Singular Photonics की बड़ी फंडिंग: एक-एक फोटॉन पकड़ने वाले सेंसरों का अगला दौर

एडिनबरा स्थित फैबलेस सेमीकंडक्टर कंपनी Singular Photonics ने अगली पीढ़ी के सिंगल-फोटॉन एवलॉन्च डायोड (SPAD) इमेज सेंसर विकसित करने के लिए ओवरसब्सक्राइब्ड $2.15 मिलियन (£1.6 मिलियन) फंडिंग राउंड पूरा किया है। कंपनी के मुताबिक, इस पूंजी का इस्तेमाल इंजीनियरिंग क्षमता बढ़ाने, उत्पाद विकास तेज करने और सेंसरों के व्यापक पोर्टफोलियो को बाजार तक जल्दी पहुंचाने में किया जाएगा।

फंडिंग राउंड में कौन-कौन शामिल हुआ?

ACF Investors ने इस निवेश राउंड का नेतृत्व किया। Wren Capital, Cambridge Angels, Scottish Enterprise, Quantum Exponential और Old College Capital ने भी इसमें हिस्सा लिया। कंपनी के मौजूदा शेयरधारकों ने फॉलो-ऑन निवेश किया।

फंडिंग की घोषणा 19 अगस्त 2026 को की गई। इसी के साथ Dipesh Patel को कंपनी के बोर्ड में शामिल किए जाने की जानकारी भी दी गई। Patel इससे पहले सेमीकंडक्टर कंपनी Arm के चीफ टेक्नोलॉजी ऑफिसर (CTO) रह चुके हैं।

यूनिवर्सिटी ऑफ एडिनबरा से निकली कंपनी

Singular Photonics, University of Edinburgh की स्पिनआउट कंपनी है और इसकी शुरुआत प्रोफेसर Robert Henderson के नेतृत्व में हुए शोध से हुई। कंपनी की तकनीकी नींव डिजिटल इमेजिंग तथा नैनोमीटर-CMOS SPAD इमेज सेंसरों के विकास पर आधारित है, जिसमें टाइम-ऑफ-फ्लाइट तकनीक पर किया गया काम भी शामिल है।

यह एक फैबलेस सेमीकंडक्टर कंपनी है। यानी इसका मुख्य ध्यान सेंसर डिजाइन और तकनीक विकसित करने पर है, न कि अपने खुद के चिप निर्माण संयंत्र में चिप बनाने पर। इसका लक्ष्य फोटॉन-स्तर की sensing को छोटे और रियल-टाइम सिस्टमों में अधिक उपयोगी बनाना है।

SPAD इमेजिंग सामान्य कैमरा सेंसर से कैसे अलग है?

सामान्य इमेज सेंसर किसी exposure के दौरान जमा हुई कुल रोशनी को मापते हैं। इसके विपरीत, SPAD सेंसर अलग-अलग फोटॉन का पता लगाते हैं और यह भी दर्ज करते हैं कि वे किस समय पहुंचे। फोटॉन की गिनती और सटीक टाइमिंग से रोशनी की तीव्रता, दूरी, सामग्री के गुणों और ऊतक में होने वाले बदलावों के बारे में जानकारी मिल सकती है—हालांकि यह सेंसर के configuration पर निर्भर करता है।

Singular Photonics 3D-stacked SPAD arrays के नीचे computation layer जोड़ने की दिशा में काम कर रही है। इससे photon counting, timing, histogram generation, statistical analysis और autocorrelation जैसे काम पिक्सेल पर या उसके बहुत करीब किए जा सकते हैं।

कंपनी के अनुसार, सेंसर पर ही अधिक processing करने से raw data को किसी दूसरे सिस्टम तक भेजने की जरूरत घट सकती है। इससे edge और AI-आधारित सिस्टमों में आकार, latency और power consumption की सीमाओं से निपटने में मदद मिल सकती है।

Andarta: मेडिकल इमेजिंग के लिए छोटा और संवेदनशील सेंसर

Andarta, Meta के साथ मिलकर विकसित किया गया compact और high-sensitivity SPAD सेंसर है। Singular Photonics इसे मेडिकल इमेजिंग की कई विधियों के लिए उपयोगी बताती है और wearable devices में SPAD तकनीक के integration की दिशा में एक कदम के रूप में पेश करती है।

यह सेंसर in-pixel autocorrelation को support करता है। इस क्षमता का इस्तेमाल रोशनी में होने वाले तेज उतार-चढ़ाव का विश्लेषण करने के लिए किया जा सकता है। कंपनी के उदाहरण के अनुसार, ऊतक से गुजरती रोशनी में बदलावों को track करके cerebral blood-flow rates की निगरानी की जा सकती है—यहां तक कि ऐसी गहराई पर भी, जहां मौजूदा सेंसरों की क्षमता सीमित है।

Andarta को केवल अधिक संवेदनशील कैमरे के रूप में नहीं देखा जा रहा है। इसका photon-level detection, छोटा form factor और स्थानीय processing का संयोजन उन्नत optical measurements को मेडिकल और संभावित wearable systems में अधिक व्यावहारिक बनाने के लिए तैयार किया गया है।

Sirona: टाइमिंग और स्पेक्ट्रोस्कोपी के लिए 512-पिक्सेल सेंसर

Sirona Singular Photonics का पहला उत्पाद है। यह 512-पिक्सेल SPAD line sensor है, जो time-correlated single-photon counting (TCSPC) करने में सक्षम है। इसके on-chip histogramming और time-binning functions ऐसे अनुप्रयोगों में मदद कर सकते हैं जहां यह जानना जरूरी होता है कि फोटॉन कब पहुंचे, केवल यह नहीं कि कितने फोटॉन पहुंचे।

कंपनी Sirona के लिए इन संभावित उपयोगों को रेखांकित करती है:

• Raman spectroscopy
• Fluorescence-lifetime imaging microscopy (FLIM)
• Time-of-flight sensing
• Quantum applications

इन उपयोगों में वैज्ञानिक उपकरणों से लेकर औद्योगिक sensing तक के क्षेत्र शामिल हैं। उदाहरण के लिए, photon-timing की मदद से अलग-अलग सामग्रियों में अंतर किया जा सकता है या रोशनी के सफर का समय मापा जा सकता है। वहीं fluorescence-lifetime measurements से ऐसी विशेषताओं का पता चल सकता है जो सामान्य intensity image में दिखाई नहीं देतीं।

Singular Photonics किन क्षेत्रों को लक्ष्य बना रही है?

औद्योगिक और physical AI

Machine vision, industrial automation और physical AI उन प्रमुख क्षेत्रों में हैं जहां तेज और स्थानीय optical processing उपयोगी हो सकती है। On-chip processing ऐसे सिस्टमों में latency, data movement या आकार से जुड़ी सीमाओं को कम करने में मदद कर सकती है।

वैज्ञानिक शोध और instrumentation

Sirona की TCSPC, histogramming और time-binning क्षमताएं spectroscopy, microscopy, time-of-flight और quantum applications से जुड़ी हैं। इन क्षेत्रों में अक्सर बहुत कम संख्या में आने वाले फोटॉनों से जानकारी निकालना और उनके arrival time को सटीकता से मापना जरूरी होता है।

मेडिकल इमेजिंग और wearables

Andarta को मेडिकल इमेजिंग और संभावित wearable integration के लिए तैयार किया गया है। इसकी in-pixel autocorrelation क्षमता cerebral blood-flow monitoring जैसे measurements में काम आ सकती है, जहां sensitivity और compactness दोनों महत्वपूर्ण हैं।

कंपनी ने consumer और automotive electronics में भी व्यापक संभावनाओं का उल्लेख किया है। हालांकि अगस्त की फंडिंग घोषणा में machine vision, industrial automation, scientific instrumentation और medical imaging को प्रमुख बाजारों के रूप में सामने रखा गया है।

नई पूंजी का इस्तेमाल कैसे होगा?

$2.15 मिलियन की यह फंडिंग मुख्य रूप से कंपनी के संचालन और व्यावसायीकरण को आगे बढ़ाने के लिए है। Singular Photonics इंजीनियरिंग क्षमता बढ़ाने, उत्पाद विकास तेज करने और SPAD इमेज सेंसरों की व्यापक श्रृंखला को बाजार में जल्दी लाने की योजना बना रही है।

बोर्ड में Dipesh Patel की नियुक्ति से कंपनी को वरिष्ठ सेमीकंडक्टर नेतृत्व का अनुभव भी मिलेगा। Patel ने Arm में 25 वर्ष बिताए और CTO के रूप में कंपनी के Research तथा Digital IT functions की निगरानी की।

इस तरह यह निवेश केवल किसी एक सेंसर के लॉन्च तक सीमित नहीं है। इससे Singular Photonics को एक ऐसे उत्पाद परिवार को विकसित करने का अवसर मिलता है जिसकी केंद्रीय सोच है—अलग-अलग फोटॉनों का पता लगाना, उनसे जुड़ा अधिक डेटा चिप पर ही process करना और इसी architecture को औद्योगिक, वैज्ञानिक तथा मेडिकल सिस्टमों के लिए ढालना।