UK-basierten Maschinenerkennung, ein maschinelles Lernen (ML) software Das Unternehmen gab am Dienstag, 26. September, bekannt, dass es in einer neuen Finanzierungsrunde 4.5 Millionen Pfund (5.17 Millionen Euro) eingesammelt hat.
Die Runde wurde von BGF und East Innovate geleitet. Weitere prominente Investoren sind Foresight WAE Technology Funds, der von Future Planet Capital (Ventures) Ltd verwaltete UK Innovation and Science Seed Fund (UKI2S) und Oxford Technology.
Als Spin-off der Fakultät für Physik der Universität Oxford plant das Unternehmen, das frische Kapital für den Ausbau seiner Ingenieurs- und Geschäftsentwicklung zu nutzen teams in ganz Großbritannien und den USA.
„Wir danken unseren Partnern für ihre kontinuierliche Unterstützung in einer wichtigen Phase der Unternehmensentwicklung, die es uns ermöglicht, die Anzahl der Benutzer zu erhöhen, die unsere Discovery-Plattform nutzen, und die zukünftigen Innovationen des Unternehmens voranzutreiben“, sagt Bijan Kiani, CEO von Machine Discovery.
Kiani und die nicht geschäftsführende Vorsitzende Janet Collyer entwickelten das Unternehmen mit ihrem umfangreichen Fachwissen über elektronische Designtools, das sie über mehr als zwei Jahrzehnte kultiviert hatten.
Der Mitbegründer und CSO des Unternehmens, Muhammad Kasim, erfunden die Kerntechnologie des maschinellen Lernens. Und sein derzeitiger CTO, Brett Larder, entwickelte den Prototyp der Discovery Platform. Die Oxford-Professoren Gianluca Gregori und Sam Vinko wirken beratend mit.
Vereinfachung komplexer Prozesse
Machine Discovery bietet eine Plattform zur Vorhersage des Designverhaltens. Mit Niederlassungen in Oxford und Santa Clara ist die software Das Unternehmen ist auf die durch maschinelles Lernen gesteuerte Beschleunigung rechenintensiver Optimierungs- und Simulationsaufgaben spezialisiert.
Diese maschinelle Lerntechnologie nutzt KI, um komplexe Projekte zu rationalisieren. Es ist auch bekannt, dass die Plattform Kernfusionskraftwerke unterstützt Forschungsprojekte seit Mai 2023.
Im Rahmen des Prosperity Partnership-Projekts unterstützt die Forschung kommerzielle Fusionskraftwerke bei der Entwicklung eines skalierbare Fusionsenergiemethode für saubere Energie.
Laut Machine Discovery ermöglicht seine Plattform eine effiziente Zusammenarbeit, die schnelle Erstellung von Vorhersagemodellen aus Simulationsergebnissen und eine umfassende Designuntersuchung durch KI-Algorithmen.
„Machine Discovery leistet Pionierarbeit beim Einsatz von maschinellem Lernen, um Produktentwicklungszyklen in verschiedenen Branchen zu verkürzen“, sagt Kiani.
Vorteile analoger Halbleiter
Die Emulationstechnologie von Machine's Discovery beschleunigt Simulationen, beginnend mit Halbleiterdesigns. Dadurch werden unmittelbare Vorhersagefunktionen zur Erweiterung des Designs integrierter Schaltkreise neben vorhandenen Tools und Simulatoren bereitgestellt.
„Erste Kundenergebnisse im analogen Halbleiterdesign haben gezeigt, dass die Technologie das Potenzial hat, die Zeit für die Entwicklung neuer Produkte massiv zu verkürzen, was es führenden Halbleiterunternehmen ermöglichen wird, sich auf dem Markt zu differenzieren“, sagt Luke Rajah, Investor bei BGF.
Mithilfe neuronaler Netze will das Unternehmen die Entwicklungszeit für analoge Halbleiter bis 2026 halbieren.
„Komplexe Simulationen sind für die Arbeit fast aller Unternehmen und Organisationen im Bereich der Spitzentechnologie von entscheidender Bedeutung. Sie sind jedoch schwierig einzurichten, erfordern teure Experten und erfordern Zeit in der Ausführung. Bei einigen unternehmenskritischen Simulationen kann es Tage, Wochen oder sogar Monate dauern, bis eine Antwort vorliegt. Die Technologie von Machine Discovery löst diese Probleme. Arbeitsabläufe werden vereinfacht, automatisiert und standardisiert“, sagt Rory Scott Russell, Investor bei East Innovate.