Diese Seite wurde maschinell übersetzt.
Füllen Sie bitte eine 1-Minuten-Befragung zur Qualität dieser Übersetzung aus.
Halbleiter-Startups entwickeln personalisierte Medizin und drahtlose High-End-Produkte
Silicon Catalyst unterstützt Chip-basierte Startups bei der Entwicklung bahnbrechender Lösungen
„Während meiner gesamten Zeit bei Silicon Catalyst habe ich nie gehört, dass jemand für seine Anforderungen an die Systemmodellierung und Produktentwicklung etwas anderes als MATLAB verlangt hätte. Es ist wirklich der Goldstandard in der Branche.“
Nachdem Rick Lazansky in Stanford einen Master-Abschluss in Informatik erworben hatte, gründete er eine Reihe von Start-ups. Eines ging an die Börse und zwei wurden übernommen, wodurch er über die Mittel verfügte, in weitere Startups zu investieren. Doch vor etwa einem Jahrzehnt machte er sich Sorgen über den Mangel an neuen Hardware-Unternehmen in den Vereinigten Staaten. Risikokapitalgeber investierten nicht in Halbleiter-Start-ups und Silicon Valley war nicht länger für Silizium bekannt.
Vor fast einem Jahrzehnt gründeten Lazansky und zwei Kollegen, Mike Noonan und Dan Armbrust, Silicon Catalyst, einen Inkubator und Accelerator, der seinen Mitgliedsunternehmen hilft, Pionierarbeit bei der Entwicklung halbleiterbasierter Lösungen zu leisten. Silicon Catalyst stellt jedem Mitgliedsunternehmen einen Seniorpartner zur Verfügung, der zwei Jahre lang eng mit ihm zusammenarbeitet. Zudem bietet es seinen Startups Zugang zu einem umfassenden Ökosystem aus Branchenexperten und Beratern, um ihr Geschäftswachstum voranzutreiben. Durch die Zusammenarbeit des Unternehmens mit Investoren konnten den Mitgliedsunternehmen Finanzierungen in Höhe von mehreren hundert Millionen Dollar zur Verfügung gestellt werden.
Silicon Catalyst unterhält außerdem strategische Partnerschaften mit Unternehmen und Dutzende von Sachpartnern, die den Startups Waren und Dienstleistungen zur Verfügung stellen. Dazu gehören die Halbleitergießerei TSMC, der Silizium-Design-Tool-Anbieter Synopsys und MathWorks, das Modellierungs- und Simulationstools für die Algorithmenentwicklung und das System-Level-Design bereitstellt. „Während meiner gesamten Zeit bei Silicon Catalyst habe ich nie jemanden gehört, der für seine Anforderungen in den Bereichen Systemmodellierung und Produktentwicklung etwas anderes als MATLAB verlangt hat“, sagt Richard Curtin, geschäftsführender Gesellschafter bei Silicon Catalyst. „Es ist wirklich der Goldstandard in der Branche.“
(Bildquelle: Silicon Catalyst
MathWorks unterstützt Startups in Programmen wie Silicon Catalyst mit Softwarezugriff, technischem Support und Möglichkeiten zur Markenbekanntheit. Die Software enthält Tools, die C-Code aus MATLAB® Code generieren können. Dies bietet eine Umgebung, in der MATLAB -Algorithmen nahtlos auf einem noch nicht veröffentlichten Chip funktionieren. Die Startups können ihre Designs testen, bevor der Chip fertig ist. Startups können auch auf Software zugreifen, um synthetisierbares HDL aus MATLAB-Funktionen oder Simulink®-Modellen zu generieren.
Silicon Catalyst-Unternehmen entwickeln neue Halbleiterlösungen. Sie sind auf verschiedene Bereiche spezialisiert, darunter 5G, künstliche Intelligenz und maschinelles Lernen, Ultrabreitband (UWB), Kommunikationsinfrastruktur, Photonik, IoT, Energie, Medizin, MEMS und Sensorik sowie Halbleitermaterialien.
Durch den Raum hüpfen
Ein Startup im Programm von Silicon Catalyst, SPARK Microsystems, erstellt drahtlose UWB-Transceiver. Die UWB-Kommunikation erfolgt in Frequenzen zwischen 3 und 10 Gigahertz und ist gut für kurze Reichweiten geeignet. Während sich die meisten Anbieter auf die genauen Entfernungsmessungsfunktionen des UWB-Spektrums konzentrieren, hat SPARK seinen Schwerpunkt auf Anwendungen zur Datenkommunikation gelegt. SPARK entwickelte eine Technologie mit geringerer Latenz, höherer Bandbreite und geringerem Stromverbrauch als Ergänzung zu bestehenden PAN-Alternativen wie Bluetooth®. Zu den Anwendungen gehören hochwertiges unkomprimiertes drahtloses Audio, reaktionsschnelles Gaming, virtuelle und erweiterte Realität sowie verschiedene Anwendungen für drahtlose Sensoren und Anwesenheitserkennung im IoT.
„Es ist Plug-and-Play. Funktioniert alles. Sie werden nicht versuchen, einen Haufen unterschiedlicher Software zusammenzuschustern. Durch die Verwendung von MATLAB und Antenna Toolbox konnten wir den Designzyklus verkürzen.“
SPARK hat eine Familie von Transceiver-Chips entwickelt, die jeweils mit 10 Megabit pro Sekunde übertragen können. Neben anderen Kunden arbeitet das Unternehmen mit verschiedenen Herstellern von High-End-Gaming-HID- und Audiogeräten zusammen, die sich in unterschiedlichen Phasen der Einführung der SPARK-Technologie befinden. Beispielsweise hat SPARK bei High-End-Lautsprechern eine Partnerschaft mit Sonus faber geschlossen. Seine Transceiver können Audiosignale bis zu 8 Meter weit unkomprimiert übertragen und ermöglichen so eine hochwertige Audioleistung bei sehr geringer Latenz, die mit Bluetooth oder Wi-Fi® nicht erreichbar ist.
Eine weitere interessante Anwendung für die SPARK-Technologie demonstriert der Luxusuhrenhersteller Platonum. Platonum hat sich für die SPARK-UWB-Technologie entschieden, um für seine Smartwatches Echtzeit-Datenstreaming mit extrem niedriger Latenz und geringem Stromverbrauch bereitzustellen.
„Wir leben und atmen Nahbereichskommunikation“, sagt Raphael Mehrbians, CMO und Betriebsleiter von SPARK.
Die UWB-Technologie von SPARK weist eine geringere Latenz, eine höhere Bandbreite und einen geringeren Strombedarf als andere UWB-Systeme auf. (Bildquelle: SPARK-Mikrosysteme)
Raphael Guimond, ein Antennendesigner bei SPARK, sagt, dass sein Team MATLAB für verschiedene Aufgaben verwendet, darunter auch automatisierte Tests. Die Federal Communications Commission reguliert elektronische Übertragungen und begrenzt die Sendeleistung von Geräten auf verschiedenen Frequenzen, damit diese andere Geräte nicht stören. Um die Transceiver zu testen, platziert Guimond sie auf einer Plattform in einer schalltoten Kammer, deren Wände die Radiowellen absorbieren, anstatt sie zu reflektieren. Ein Spektrumanalysator ist an eine Antenne in der Kammer angeschlossen und sendet Daten an einen Computer, auf dem MATLAB läuft. Guimond verwendet die Instrument Control Toolbox™, um einen Drehtisch zu drehen, der die Transceiver hält, und um die Emissionen aus jedem Winkel zu messen. Beim Messen der Hochfrequenzemissionen eines Chips muss das Designteam die Verluste durch die umgebende Verkabelung und die Anschlüsse abziehen. Sie automatisieren den Prozess mit MATLAB.
Eine schalltote Kammer wird häufig verwendet, um die HF-Leistung und Robustheit des SPARK-Transceivers zu überprüfen. (Bildquelle: SPARK-Mikrosysteme)
Durch Parallelschaltung und gleichphasigen Betrieb der Antennen lässt sich die Sendeleistung erhöhen. Guimond verwendet MATLAB auch für Phased-Arrays und Beamforming. Durch Beamforming werden ihre Phasen zueinander angepasst und die Übertragung in eine Richtung fokussiert. Dies ist hilfreich, wenn jemand mit kabellosen Kopfhörern durch den Raum geht.
Das Team bei SPARK hat außerdem verschiedene Ausbreitungsmodelle, wie etwa Kanal- und Raytracing, in MATLAB eingegeben. Durch die Vorhersage, wie sich die Signale eines Geräts in verschiedenen Umgebungen ausbreiten, kann SPARK die richtige Antenne auswählen und ihre Platzierung und Ausrichtung im Gerät optimieren.
Laut Guimond besteht ein Vorteil von MATLAB darin, dass es so viele integrierte Tools enthält. „Es ist Plug-and-Play“, sagt er. „Funktioniert alles. Sie werden nicht versuchen, einen Haufen unterschiedlicher Software zusammenzuschustern. Durch die Verwendung von MATLAB und Antenna Toolbox™ konnten wir den Designzyklus verkürzen.“ Er ist begeistert von dessen Potenzial, den Einsatz von UWB zu unterstützen. Die Technologie von SPARK sei „ein ziemlich großer Fortschritt in der Wireless-Technologie“, sagt er.
Mehrbians sagt, Silicon Catalyst habe in verschiedener Hinsicht geholfen. „Dazu gehört die Förderung von Lieferanten- und Partnerbeziehungen sowie das Angebot weiterer Beratungs- und Marketingressourcen und -tools, die für Startups äußerst nützlich sind“, sagt er, „sowie das gesamte Beraternetzwerk, das sich als sehr wertvoll erwiesen hat, als wir SPARK auf dem Markt etabliert haben.“
Digitale Zwillinge für KI im Gesundheitswesen
Ein weiteres Mitglied von Silicon Catalyst ist Probius, ein Startup, das den Zugriff auf biochemische Daten und deren Verwendung in Arbeitsabläufen mit künstlicher Intelligenz (KI) erleichtert. Wenn Sie wissen möchten, ob eine biologische Probe – von einem Menschen oder einer Zellkultur – ein bestimmtes Molekül enthält, führen Sie normalerweise einen gezielten Test durch, um nach diesem Molekül zu suchen. Um einen zweiten zu identifizieren, ist ein zweiter, völlig anderer Test erforderlich. „All dies basiert auf einem komplexen Arbeitsablauf, fortgeschrittenem Fachwissen in der Verwaltung und Verwendung von Analysetools und Reagenzien, die ganz spezifisch auf die Analyse zugeschnitten sind, die Sie durchführen möchten. Die direkte Folge ist eine Verzögerung des Informationsflusses durch einen wiederholten Versuch-und-Irrtum-Ansatz, der am Ende zu einer ungenauen und unvollständigen Darstellung der Biologie der Probe führt“, sagt Emmanuel Quevy, Mitbegründer und CEO von Probius. „Wir drehen das Drehbuch komplett um.“
Probius basiert auf MATLAB und vielen seiner Toolboxen. Der entscheidende Punkt dabei ist, dass Werkzeuge des maschinellen Lernens zum Trainieren neuronaler Netzwerke oder genetischer Algorithmen eingesetzt werden, die bestimmte Moleküle innerhalb der Signatur einer Probe identifizieren können. Darüber hinaus nutzt es MATLAB, um die Leistung seines Chips zu untersuchen, seinen Fertigungsablauf zu optimieren, seinen Computercluster zu verwalten und seine Software in einem Docker zu packen, damit Kunden sie auf einem Server nutzen können.
Probius hat eine Technologie namens Quantenelektrochemische Spektroskopie (QES) entwickelt, die die Probe auf einmal nach allen biochemischen Signalen durchsucht und so einen digitalen Zwilling erstellt, der später bei Bedarf untersucht werden kann. Dabei wird die Tatsache berücksichtigt, dass Moleküle vibrieren und zwar je nach Struktur und Zusammensetzung mit unterschiedlichen Frequenzen. QES erstellt eine 40-dimensionale Momentaufnahme der Schwingungssignatur einer Probe.
Probius verwendet maschinelles Lernen, um Signaturen als Hinweise auf unterschiedliche Krankheiten zu klassifizieren. Die Technologie ermöglicht es Probius, anhand der Signatur einzelne Moleküle und ihre Konzentrationen zu identifizieren. Anhand dieser 40-dimensionalen Signatur kann Probius die Zusammensetzung Tausender verschiedener Analyten, darunter Proteine, Viren, Medikamente und Zucker, gezielt bestimmen. Es wurden Blut, Lebensmittel, Laborkulturen und andere Proben getestet. Der Test benötigt nur wenige Millionstel Liter der Probe und dauert eine halbe Stunde.
Probius hat einen Chip und ein Gerät entwickelt. Gegen eine Abonnementgebühr mieten Kunden das Gerät und haben bei Bedarf Zugriff auf Analysesoftware und Analyten in der Cloud. Zu den Kunden zählen Pharmaunternehmen, Biotech-Startups und akademische Labore. Manche nutzen den Dienst, um Krankheitsprofile zu erstellen, etwa zu Entzündungsmechanismen. Andere nutzen es, um die Herstellung von Bioprodukten oder Therapeutika zu optimieren.
Juan Cruz Cuevas, Leiter der Marketing- und Geschäftsentwicklung von Probius, sagt, das Gerät mache die Probenanalyse sehr zugänglich. „Die QES-Plattform erfordert einen Schritt, um die Daten zu erfassen. Sie geben einen Tropfen Ihrer Probe in das Fläschchen. Das ist es." Es hat nicht einmal Schaltflächen und lädt die Daten automatisch hoch. Sie kommen im Labor schnell voran und verbringen stattdessen Zeit damit, Erkenntnisse aus den Daten zu gewinnen.
Laut Quevy basiert Probius auf MATLAB und vielen seiner Toolboxen. Der entscheidende Punkt dabei ist, dass Werkzeuge des maschinellen Lernens zum Trainieren neuronaler Netzwerke oder genetischer Algorithmen eingesetzt werden, die bestimmte Moleküle innerhalb der Signatur einer Probe identifizieren können. Darüber hinaus nutzt es MATLAB, um die Leistung seines Chips zu untersuchen, seinen Fertigungsablauf zu optimieren, seinen Computercluster zu verwalten und seine Software in einem Docker zu packen, damit Kunden sie auf einem Server verwenden können.
Mithilfe der Datenanalyse in MATLAB kann Probius Ergebnisse mithilfe von Clusterdiagrammen, Heatmaps, Dendrogrammen usw. visualisieren. „Mit MATLAB verfügen Sie über eine integrierte Bibliothek mit praktisch allen verfügbaren Tools für maschinelles Lernen und Visualisierung und können diese nutzen, um Erkenntnisse über biologische Proben zu gewinnen, ohne das Rad neu erfinden zu müssen“, sagt Quevy.
Silicon Catalyst hat Probius bei der Finanzierung und Vernetzung geholfen, aber Probius verwendete bereits MATLAB. „Sie beginnen mit der Ausbildung in der Schule und MATLAB begleitet Sie Ihre gesamte Karriere lang“, sagt Quevy. „Und während sich das Unternehmen weiterentwickelt und die Tools weiterentwickeln, bleiben Sie auf dem Laufenden.“
Probius arbeitete mit Beratern bei MathWorks zusammen, um die Tools besser nutzen zu können und beispielsweise den Arbeitsablauf zu optimieren. Quevy sagt, dass Probius seine Algorithmen ohne MATLAB möglicherweise in C ausführen könnte, MATLAB jedoch mehr Flexibilität für die Aktualisierung seines Analyse-Toolkits bietet.
Die Datenanalyse in MATLAB hilft Probius dabei, Ergebnisse zu visualisieren, wie beispielsweise dieses MATLAB-3D-Oberflächendiagramm eines QES-Schwingungssignals eines menschlichen Entzündungsproteins (TNF-a). (Bildquelle: Probius)
Eine solche Flexibilität und Benutzerfreundlichkeit sei für ein Startup von entscheidender Bedeutung, sagt Cuevas. Selbst mit begrenzten Ressourcen und Personal „konnten wir schneller agieren und flexibler und effektiver sein.“
Ein Erfolgsrezept
Silicon Catalyst legt nicht nur einen einzigartigen Schwerpunkt auf siliziumbasierte Startups, das Unternehmen verfügt auch über ein anderes Modell zur Unterstützung seiner Mitglieder. „Die meisten Inkubatoren haben ein standardisiertes Programm“, sagt Pete Rodriguez, CEO von Silicon Catalyst. „Sie geben Startups über mehrere Monate hinweg die gleichen Ratschläge.“
Silicon Catalyst sei anders, sagt er. Es beginnt mit einem strengen Auswahlverfahren, das im Verlauf von sechs Wochen vier bis 17 Treffen umfasst. Silicon Catalyst hat von 1.000 Bewerbern nur 100 Unternehmen zugelassen. Dieser äußerst selektive Ansatz in Kombination mit praktischer Unterstützung durch Branchenexperten ist das Erfolgsrezept für Silizium-basierte Startups.
Weitere Berichte lesen
START-UPS/UMWELTFREUNDLICHE TECHNOLOGIEN
Greentown Labs Eine umweltfreundlichere Zukunft für Innovation
Gemeinschaftliches Engagement für eine Zukunft der Sauberen Technologien
STARTUPS / SIGNALVERARBEITUNG
Visionär denkende Unternehmerinnen entwickeln einzigartige Kommunikationslösungen
Ihre Innovationen in der Signalverarbeitung erweitern die technologischen Möglichkeiten
STARTUPS / SIGNALVERARBEITUNG
