Porteur/porteuse de projet (CTO/CEO) - Startup optique computationnelle

Le projet rAIman en bref

La future startup rAIman est une prochaine spin-off du laboratoire Kastler Brossel de l’ENS de Paris (création prévue courant 2025). Elle apportera des solutions de contrôle chimique rapide en commercialisant des dispositifs développés à partir d’une technologie deeptech brevetée de spectro-imagerie computationnelle.

Le projet est soutenu par CNRS Innovation (via le programme RISE), Deeptech Founders, et a été récompensé du Grand Prix i-PhD 2023, de la Bourse French Tech Lab de Bpifrance, ainsi que d’une nomination au jury national du concours i-Lab 2024. Des discussions poussées sont en cours depuis début 2023 avec un fonds d’investissement spécialisé dans le domaine.

Un financement européen EIC Transition obtenu début 2024 vise à lever les premiers verrous d’une application pour le marché des contrôles anti-contrefaçon (prototype de TRL 7 prévu pour 2026 avec premiers clients engagés). D’autres marchés sont explorés comme le celui de l’imagerie biomédicale, du monitoring des batteries, des contrôles qualité et de sécurité.

L’équipe

• Hilton Barbosa de Aguiar a développé la technologie au laboratoire Kastler Brossel et co-fondera la startup en tant que directeur scientifique.

• Clémence Gentner a contribué aux développements hardware et a mené la valorisation du projet vers les fondements de la future startup. Elle transmettra son travail au (à la) candidat(e) retenu(e).

• Lorenzo Valzania mène les développements algorithmiques et co-fondera la startup.

• Dariusz Nita et Nassreddine Amiche sont ingénieurs (électronique et optique) pour le projet et transitionneront du laboratoire à la startup à sa création.

• Hankun Yang et Amol Mahurkar sont deux doctorants travaillant sur la technologie au laboratoire.

Plus de détails sur la technologie

Le projet rAIman développe un dispositif réalisant des images qui révèlent, au-delà des contrastes et des couleurs, la composition chimique de l’objet. [1]

La caractérisation de la composition chimique d’un échantillon est un enjeu majeur dans de nombreux domaines allant de la science des matériaux, passant par le contrôle qualité alimentaire ou pharmaceutique, aux contrôles de sécurité et anti-contrefaçon, jusqu’au diagnostic médical. Encore aujourd’hui, réaliser de telles analyses en alliant précision et rapidité est un véritable défi. Certaines méthodes spectroscopiques permettent une identification moléculaire très précise mais sont bien trop lentes pour permettre des analyses en temps réel : ainsi, toute application en imagerie ou en contrôle qualité sur une ligne de production est impossible.

C’est le cas de la spectroscopie Raman, qui permet d’identifier très précisément une espèce chimique via sa signature spectrale unique obtenue par une simple illumination par laser.

Cependant, les signaux lumineux en jeu sont faibles et les spectromètres sont des instruments équipés de caméras CCD dont le bruit de lecture détériore davantage le résultat, si bien que l’acquisition d’une image comportant l’information spectrale demande plusieurs minutes voire heures, et génère de surcroît un volume de données très important à stocker et traiter numériquement pour obtenir les images finales.

La technologie du projet rAIman utilise un simple laser et optimise la mesure au moyen d’approches computationnelles [1,2]. En effet, au lieu d’un processus classique constitué d’une étape d’acquisition suivie d’une étape de post-traitement des données brutes, notre instrument effectue l’analyse directement pendant la mesure au moyen d’un modulateur de lumière programmable composé de milliers de micro-miroirs bistables (DMD, digital micromirror device). Ainsi, chaque composante spectrale du signal est traitée par un micro-miroir, et nos algorithmes permettent d’éliminer les signaux inutiles et de sélectionner les signaux pertinents. Ce cadre d’acquisition computationnelle constitue un savoir-faire unique au projet rAIman. La mesure est ainsi considérablement accélérée, l’analyse habituellement effectuée en post-traitement est directement réalisée à l’étape d’acquisition, et les données sont intrinsèquement comprimées sans perte d’information pertinente. Concrètement, le facteur de compression et d’accélération par rapport à un spectromètre conventionnel est de 10 à 100, et nous avons démontré le record de vitesse en imagerie Raman en atteignant la cadence vidéo (24 images par seconde) [3] avec une configuration brevetée chez CNRS Innovation [4].

Références

[1] Gentner, C. & B. de Aguiar, H., « Exploiter les signatures de la matière grâce à l’imagerie hyperspectrale computationnelle », Photoniques 120, p47-50 (2023).

[2] Lin, H. & B. de Aguiar, H., Compressive Raman Microspectroscopy, in Stimulated Raman Scattering Microscopy, Elsevier (2021).

[3] Gentner, C. et al., “Compressive Raman microspectroscopy parallelized by SPAD arrays”, arXiv:2301.07709 (2023).

[4] H. B. de Aguiar et al., WO2023180532A1 : Apparatus for detecting chemicals in a sample (2023)

• Pilotage des développements hardware : rôle de chef(fe) de projet et de co-supervision des ingénieurs développant le prototype, réalisation de POCs marchés sur un système déjà fonctionnel sur table optique

• Développement du modèle économique : affinement et suivi de l’exécution de la feuille de route business

• Stratégie financière : recherche de fonds et de subventions, gestion des relations avec le fonds d’investissement avec lequel l’équipe est déjà en discussions

• Relations stratégiques : recherche de prestataires et de partenaires

• Transfert technologique : négociation de la licence d’exploitation de la propriété intellectuelle avec CNRS Innovation et création de la société

Il/elle aura accès à des programmes de formation et d’accompagnement en entrepreneuriat deeptech (EIC Pioneer program, éventuellement HEC Challenge +) ainsi qu’au soutien de l’équipe de coachs CNRS Innovation et Deeptech Founders.

Il/elle devra adhérer aux valeurs du projet et de son équipe : bienveillance, esprit d’équipe et passion pour l’innovation en hardware optique.

• Localisation : ENS de Paris, Laboratoire Kastler Brossel

• Compensation financière : salaire + futures parts au capital

• Candidature : CV et brève description de motivation à h.aguiar@lkb.ens.fr

Le/la candidat(e) est attendu(e) pour porter le projet du laboratoire à la future startup, participer à la création de la société et en prendre la direction. Nous cherchons idéalement un profil d’expertise technique avancée en hardware optique avec une connaissance des environnements de startup.

Le poste demande un engagement à long terme, avec une forte composante entrepreneuriale, car en tant qu’associé(e), le/la candidat(e) sera co-responsable de la