Cette page a été traduite automatiquement.
Merci de bien vouloir compléter un sondage de 1 minute concernant la qualité de cette traduction.
Les startups de semi-conducteurs innovent en matière de médecine personnalisée et de produits sans fil haut de gamme
Silicon Catalyst aide les startups basées sur des puces à développer des solutions transformatrices
« Tout au long de ma carrière chez Silicon Catalyst, je n'ai jamais entendu personne demander autre chose que MATLAB pour ses besoins en matière de modélisation de systèmes et de développement de produits. C’est vraiment la référence dans l’industrie. »
Après avoir obtenu une maîtrise en informatique à Stanford, Rick Lazansky a lancé une série de startups. L’une d’entre elles est entrée en bourse et deux ont été rachetées, lui donnant les ressources nécessaires pour commencer à investir dans d’autres startups. Mais il y a une dizaine d’années, il s’est inquiété de la pénurie de nouvelles entreprises de matériel informatique aux États-Unis. Les investisseurs en capital-risque n’investissaient pas dans les startups de semi-conducteurs et la Silicon Valley n’était plus connue pour le silicium.
Ainsi, il y a près de dix ans, Lazansky et deux collègues, Mike Noonan et Dan Armbrust, ont lancé Silicon Catalyst, un incubateur et un accélérateur, qui aide ses entreprises membres à proposer des solutions basées sur les semi-conducteurs. Silicon Catalyst désigne un associé principal pour travailler en étroite collaboration avec chaque entreprise membre pendant deux ans et permet à ses startups d'accéder à un écosystème complet d'experts et de conseillers du secteur pour alimenter la croissance de leur entreprise. La collaboration de l'entreprise avec des investisseurs a permis aux sociétés membres de bénéficier de centaines de millions de dollars de financement.
Silicon Catalyst a également noué des partenariats stratégiques avec des entreprises, et des dizaines de partenaires fournissent des biens et des services aux startups. Parmi eux figurent le fabricant de semi-conducteurs TSMC, le fournisseur d'outils de design de silicium Synopsys, et MathWorks, qui fournit des outils de modélisation et de simulation pour le développement d'algorithmes et la conception au niveau système. « Tout au long de ma carrière chez Silicon Catalyst, je n'ai jamais entendu personne demander autre chose que MATLAB pour ses besoins en matière de modélisation de systèmes et de développement de produits », déclare Richard Curtin, associé directeur chez Silicon Catalyst. « C'est vraiment la référence absolue dans l’industrie. »
(Crédit : Silicon Catalyst)
MathWorks soutient les startups participant à des programmes comme Silicon Catalyst, en fournissant un accès aux logiciels, une assistance technique et des opportunités de visibilité de la marque. Le logiciel comprend des outils capables de générer du code C à partir de code MATLAB®. Cela fournit un environnement dans lequel les algorithmes MATLAB fonctionnent de manière transparente sur une puce qui n’est pas encore commercialisée. Les startups peuvent tester leurs designs avant que la puce ne soit prête. Les startups peuvent également accéder à des logiciels pour générer du HDL synthétisable à partir des fonctions MATLAB ou de modèles Simulink®.
Les entreprises membres de Silicon Catalyst développent de nouvelles solutions de semi-conducteurs. Elles se spécialisent dans divers domaines, notamment la 5G, l'intelligence artificielle et le machine learning, l'ultra-large bande (UWB), l'infrastructure de communication, la photonique, l'IoT, l'énergie, le médical, les MEMS et la détection, ainsi que les matériaux semi-conducteurs.
Innovation dans la communication UWB
Une startup du programme Silicon Catalyst, Microsystèmes SPARK, crée des émetteurs-récepteurs sans fil UWB. La communication UWB s'effectue à des fréquences comprises entre 3 et 10 gigahertz et est bien adaptée aux courtes portées. Alors que la plupart des fournisseurs se concentrent sur les capacités de télémétrie précises du spectre UWB, SPARK s'est concentré sur les applications de communication de données. SPARK a développé une technologie avec une latence plus faible, une bande passante plus élevée et une consommation moindre en complément des alternatives de réseau personnel existantes telles que Bluetooth®. Les applications incluent l'audio sans fil non compressé de haute qualité, les jeux réactifs, la réalité virtuelle et augmentée, ainsi qu'une variété d'applications de capteurs sans fil et de détection de présence dans l'IoT.
« C'est plug-and-play. Tout fonctionne. Il ne s’agira pas d’un ensemble de logiciels différents que vous essaierez de bricoler. L'utilisation de MATLAB et Antenna Toolbox nous a aidé à réduire le cycle de design. »
SPARK a développé une famille de puces émettrices-réceptrices pouvant chacune transmettre à 10 mégabits par seconde. Parmi ses clients, la société s'associe à divers fabricants de HID et d'appareils audio de jeu haut de gamme qui en sont à différentes étapes du déploiement de la technologie SPARK. A titre d'exemple, SPARK s'est associé à Sonus Faber sur des enceintes haut de gamme. Ses émetteurs-récepteurs peuvent transmettre de l'audio jusqu'à 8 mètres sans compression, permettant ainsi de fournir des performances audio de haute qualité avec une latence très faible, ce qui n'est pas possible avec Bluetooth ou Wi-Fi®.
Une autre application intéressante de la technologie SPARK est démontrée par l’horloger de luxe Platonum. Platonum a choisi la technologie SPARK UWB pour fournir un streaming de données en temps réel à très faible latence et faible consommation pour ses montres intelligentes.
« Nous vivons et respirons la communication à courte portée », déclare Raphael Mehrbians, directeur marketing et chef des opérations de SPARK.
La technologie UWB de SPARK présente une latence plus faible, une bande passante plus élevée et des besoins en énergie inférieurs à ceux des autres systèmes UWB. (Crédit : SPARK Microsystèmes)
Raphael Guimond, concepteur d'antennes chez SPARK, affirme que son équipe utilise MATLAB pour plusieurs tâches, notamment les tests automatisés. La Federal Communications Commission réglemente les transmissions électroniques et limite la puissance que les appareils peuvent diffuser à différentes fréquences afin qu'elles n'interfèrent pas avec d'autres appareils. Pour tester les émetteurs-récepteurs, Guimond les place sur une plateforme dans une chambre anéchoïque, dont les parois absorbent les ondes radio plutôt que de les réfléchir. Un analyseur de spectre est connecté à une antenne dans la chambre et envoie des données à un ordinateur exécutant MATLAB. Guimond utilise Instrument Control Toolbox™ pour faire tourner un plateau tournant qui contient les émetteurs-récepteurs et pour mesurer les émissions sous tous les angles. Lors de la mesure des émissions radiofréquences d’une puce, l’équipe de design doit soustraire les pertes du câblage et des connecteurs qui l’entourent. Ils automatisent le processus avec MATLAB.
Une chambre anéchoïque est largement utilisée pour vérifier les performances et la robustesse RF de l’émetteur-récepteur SPARK. (Crédit : SPARK Microsystèmes)
Disposer les antennes en parallèle et les faire fonctionner dans la même phase augmentent la puissance d'émission. Guimond utilise également MATLAB pour les réseaux phasés et la formation de faisceaux. La formation de faisceaux ajuste leurs phases les unes par rapport aux autres, focalisant la transmission dans une direction. C'est utile lorsqu'une personne portant des écouteurs sans fil se promène dans une pièce.
L'équipe de SPARK a également intégré divers modèles de propagation, tels que le traçage de canaux et de rayons, dans MATLAB. Prédire comment les signaux d'un appareil se propageront dans divers environnements permet à SPARK de sélectionner la bonne antenne et d'optimiser son placement et son orientation dans l'appareil.
Guimond affirme que l'un des avantages de MATLAB est qu'il contient de nombreux outils intégrés. « C'est plug-and-play », dit-il. « Tout fonctionne. Il ne s’agira pas d’un ensemble de logiciels différents que vous essaierez de bricoler. L'utilisation de MATLAB et Antenna Toolbox™ nous a aidé à réduire le cycle de conception. » Il est enthousiasmé par son potentiel pour aider au déploiement de l'UWB. La technologie de SPARK représente « un grand pas en avant en termes de technologie sans fil », dit-il.
Mehrbians affirme que Silicon Catalyst a aidé de plusieurs manières. « Il s'agit notamment de faciliter les relations avec les fournisseurs et les partenaires, ainsi que d'offrir d'autres ressources et outils de conseil et de marketing extrêmement utiles pour les startups », dit-il, « ainsi que l'ensemble du réseau de conseillers, qui s'est avéré très précieux lors de la mise en place de SPARK sur le marché. »
Des jumeaux numériques pour l’IA dans le domaine de la santé
Un autre membre de Silicon Catalyst est Probius, une startup qui rend les données biochimiques plus faciles d'accès et plus faciles à utiliser dans les workflows d'intelligence artificielle (IA). En règle générale, si vous souhaitez savoir si un échantillon biologique (provenant d'une personne ou d'une culture cellulaire) contient une molécule particulière, vous effectuez un test ciblé à la recherche de cette molécule. En identifier un deuxième nécessite un deuxième test complètement différent. « Tout cela repose sur un workflow complexe, une expertise avancée dans la gestion et l'utilisation d'outils analytiques et de réactifs très spécifiques à l'analyse que l'on tente d'effectuer. La conséquence directe est un retard dans l'information dû à une approche répétitive d'essais et d'erreurs, qui conduit finalement à une représentation inexacte et incomplète de la biologie de l’échantillon », explique Emmanuel Quevy, co-fondateur et PDG de Probius. « Nous renversons complètement le scénario. »
Probius s'appuie sur MATLAB et plusieurs de ses toolboxes. Plus important encore, il utilise des outils de machine learning pour entraîner des réseaux de neurones ou des algorithmes génétiques capables d'identifier des molécules spécifiques dans la signature d'un échantillon. Elle utilise également MATLAB pour étudier les performances de sa puce, optimiser son flux de fabrication, gérer son cluster informatique et regrouper ses logiciels dans un docker que les clients peuvent utiliser sur un serveur.
Probius a développé une technologie appelée spectroscopie électrochimique quantique (QES) qui analyse l'échantillon à la recherche de tous les signaux biochimiques en même temps, créant ainsi un jumeau numérique qui peut être sondé à la demande ultérieurement. Cela repose sur le fait que les molécules vibrent, et elles le font à des fréquences différentes en fonction de leur structure et de leur composition. QES crée un instantané en 40 dimensions de la signature vibratoire d'un échantillon.
Probius utilise le machine learning pour classer les signatures indiquant différentes maladies. La technologie permet à Probius d'identifier des molécules individuelles et leurs concentrations à partir de la signature. À partir de cette signature à 40 dimensions, Probius peut se concentrer sur la composition de milliers d’analytes différents, notamment des protéines, des virus, des médicaments et des sucres. Il a testé du sang, des aliments, des cultures de laboratoire et d’autres échantillons. Le test ne nécessite que quelques millionièmes de litre d’échantillon et dure une demi-heure.
Probius a développé une puce et un appareil. Moyennant des frais d'abonnement, les clients louent l'appareil et ont accès à un logiciel d'analyse et à des analytes à la demande dans le cloud. Les clients comprennent des sociétés pharmaceutiques, des startups de biotechnologie et des laboratoires universitaires. Certains utilisent le service pour profiler des maladies comme les mécanismes d’inflammation, par exemple. D'autres l'utilisent pour optimiser la fabrication de produits bio ou thérapeutiques.
Juan Cruz Cuevas, responsable du marketing et du développement commercial de Probius, affirme que l'appareil rend l'analyse d'échantillons très accessible. « La plateforme QES nécessite une seule étape pour acquérir les données. Vous mettez une goutte de votre échantillon à l’intérieur du flacon. Et c’est tout. » L’appareil n'a même pas de boutons et télécharge les données automatiquement. Vous avancez rapidement dans votre travail de laboratoire et passez du temps à rechercher des informations sur les données.
Quevy affirme que Probius s'appuie sur MATLAB et plusieurs de ses toolboxes. Plus important encore, il utilise des outils de machine learning pour entraîner des réseaux de neurones ou des algorithmes génétiques capables d'identifier des molécules spécifiques dans la signature d'un échantillon. Elle utilise également MATLAB pour étudier les performances de sa puce, optimiser son flux de fabrication, gérer son cluster informatique et regrouper ses logiciels dans un docker que les clients peuvent utiliser sur un serveur.
L'analyse des données dans MATLAB aide Probius à visualiser les résultats à l'aide de diagrammes de grappes, de cartes thermiques, de dendrogrammes, etc. « Avec MATLAB, vous disposez d'une bibliothèque intégrée de presque tous les outils de machine learning et de visualisation disponibles et vous pouvez les exploiter pour générer des informations sur les échantillons biologiques sans avoir à réinventer la roue », explique Quevy.
Silicon Catalyst a aidé Probius en termes de financement et de mise en réseau, mais Probius utilisait déjà MATLAB. « Vous commencez votre formation à l'école et MATLAB vous suit tout au long de votre carrière », explique Quevy. « Et à mesure que l'entreprise évolue et que les outils évoluent, vous restez à jour. »
Probius a travaillé avec des consultants de MathWorks pour mieux utiliser les outils, par exemple pour fluidifier le workflow. Quevy affirme que sans MATLAB, Probius pourrait potentiellement exécuter ses algorithmes en C, mais MATLAB offre plus de flexibilité pour mettre à niveau sa toolbox analytique.
L'analyse des données dans MATLAB aide Probius à visualiser les résultats, tels que ce tracé de surface MATLAB 3D d'un signal vibrationnel QES d'une protéine d'inflammation humaine (TNF-a). (Crédit : Probius)
Une telle flexibilité et facilité d'utilisation sont essentielles pour une startup, explique Cuevas. Même avec des ressources et un personnel limités, « nous avons pu agir plus rapidement, être plus agiles et plus efficaces. »
Une recette pour réussir
Silicon Catalyst se concentre non seulement sur les startups basées sur le silicium, mais la société propose également un modèle différent pour soutenir ses membres. « La plupart des incubateurs ont un programme à l’emporte-pièce », explique Pete Rodriguez, PDG de Silicon Catalyst. « Ils dispensent le même ensemble de conseils aux startups sur une période de quelques mois. »
Silicon Catalyst est différent, dit-il. Cela commence par un processus de sélection rigoureux, qui dure de quatre à 17 réunions sur une période de six semaines. Silicon Catalyst n'a admis que 100 entreprises sur 1 000 candidats. Cette approche hautement sélective combinée au soutien pratique d'experts du secteur est la recette du succès des startups basées sur le silicium.
Lire d'autres articles
STARTUPS / TECHNOLOGIES VERTES
Greentown Labs : Un futur plus vert en matière d'innovation
Construire le futur d'une technologie propre en s'appuyant sur la communauté d'utilisateurs et d'experts
STARTUPS / TRAITEMENT DU SIGNAL
Des femmes PDG visionnaires créent des solutions uniques en matière de communication
Ces innovations concernant le traitement du signal ouvrent une nouvelle dimension de la technologie
STARTUPS / TRAITEMENT DU SIGNAL
