FluxCore Dynamics
KI-gestütztes Design photonischer Chips – von der Skizze bis zur Foundry-Datei
Für: Photonik- und Optikingenieure, F&E-Teams bei Photonik-, Halbleiter- und Quantenhardware-Unternehmen sowie photonische Universitätslabore (kostenlose Akademikerstufe, Lizenzen für Lehre und Forschungslabore).
FluxCore Dynamics ist eine Designplattform für photonische Chips – lichtbasierte Schaltungen, wie sie in Rechenzentrumsverbindungen, LiDAR, Sensorik und Quantenhardware eingesetzt werden. Sie vereint einen visuellen Schaltungseditor, schnelle Leistungsprognosen und Fertigungsprüfungen in einem browserbasierten Arbeitsbereich.
Das Problem, das sie adressiert, ist langsame Iteration. Eine vollständige elektromagnetische Simulation (FDTD) einer einzelnen Komponente kann Stunden dauern, sodass sich Designzyklen über Monate ziehen und fehlgeschlagene Fertigungsläufe teuer werden. FluxCore liefert innerhalb von etwa einer Sekunde eine Schätzung, wie sich ein Wellenleiter, Koppler oder Resonator verhalten wird, sodass mehr Varianten erkundet werden können, bevor man sich auf eine vollständige Simulation oder ein Tape-out festlegt.
Sie ist für Photonik-Ingenieure, F&E-Teams bei Photonik- und Halbleiterunternehmen sowie Universitätslabore gebaut. Neben den kostenpflichtigen Plänen Professional, Team und Enterprise gibt es eine kostenlose Explorer-Stufe und ein Akademikerprogramm; das Enterprise-Angebot umfasst On-Premise-Deployment für IP-sensible Designdaten.
FluxCore Dynamics wurde 2025 in München von Riaan Kleynhans gegründet. Das Unternehmen beschreibt sich selbst als im Aufbau der Plattform und aktiv auf der Suche nach Investitionen.
0,1 s
Durchschnittliche Prognosezeit (laut Website)
98,5 %
Angegebene Genauigkeit gegenüber FDTD
1.000x
Angegebene Beschleunigung gegenüber klassischem FDTD
$0
Explorer-Stufe, 100 KI-Prognosen pro Monat
Was es kann
AI Predictor: physikbasierte Schätzungen von effektivem Index, Verlust, Gruppenindex und Dispersion für Wellenleiter, Koppler und Resonatoren, mit S-Parametern in unter einer Sekunde
Design Studio: ein browserbasierter Schaltungseditor mit parametrischen Komponenten, Live-Physik-Feedback, Raster-Einrasten, Rückgängig/Wiederholen und automatischem Manhattan-Routing
2D-FDTD-Solver im Browser (Yee-Gitter mit PML-Rändern) und eine öffentliche Validierungsseite, die ihn an analytischen Fällen misst
Inverses Design und Optimierung: Topologieoptimierung, bayessche Parametersuche, genetische (NSGA-II) und gradientenbasierte (L-BFGS-B) Optimierer sowie Parameter-Sweeps
Fabrication Suite: Design-Rule-Checks, Ausbeuteprognose, Kostenschätzungen, Foundry-Vergleich und GDSII-Export
Model Forge: eigene Prognosemodelle mit den Prozessdaten und PDKs des eigenen Teams trainieren
Echtzeit-Zusammenarbeit im Team mit Versionshistorie, Snapshots und Wiederherstellung
REST-API mit Python- und MATLAB-Integration für skriptgesteuerte und Batch-Prognosen
So haben wir es konzipiert
- Next.js 15
- React
- TypeScript
- Tailwind CSS
- Radix UI
- Konva
- Three.js / React Three Fiber
- React Flow (@xyflow/react)
- Socket.IO
- Supabase
- Redis / Upstash
- Stripe
- OpenAI API
- next-intl
- Python
- FastAPI
- PyTorch
- NumPy / SciPy
- Ray
- SQLAlchemy / Alembic
- Docker
- Vitest
- Playwright
- Vercel
- 01
Next.js-Front-End (Pages Router, TypeScript, Tailwind CSS), ausgeliefert über Vercel; die Schaltungs-Canvas basiert auf Konva, 3D-Ansichten auf Three.js / React Three Fiber
- 02
Python-FastAPI-Backend mit Routenmodulen für Prognose, Optimierung, inverses Design, ML-Training, Fertigung, Quantenanalyse, Suche und Versionshistorie
- 03
Die Prognose kombiniert analytische Photonikmodelle (Marcatili, Payne-Lacey, Coupled-Mode-Theorie, Transfermatrix) mit Arbeiten an physikinformierten neuronalen Netzen auf Basis von PyTorch
- 04
Ein FDTD-Solver in TypeScript läuft clientseitig für die Live-Visualisierung der Lichtausbreitung und speist die Benchmark-Seite /validation
- 05
Separater WebSocket-Server (Socket.IO) für Echtzeit-Zusammenarbeit, mit CRDT- bzw. Operational-Transform-Zusammenführung und snapshotbasierter Versionshistorie
- 06
Supabase für Authentifizierung und Daten, Redis-Caching mit Circuit Breaker, Stripe für Abonnements mit stufenbasierter Freischaltung von Funktionen
- 07
Sicherheits-Middleware mit XSS- und SQL-Injection-Erkennung, Rate-Limiting pro IP und Audit-Logging; der Enterprise-Plan bietet On-Premise-Deployment
- 08
Docker- und docker-compose-Definitionen für die API- und KI-Services; Testsuiten mit Vitest und Playwright
Sie möchten etwas Vergleichbares bauen lassen?
Jedes Projekt durchläuft dieselben fünf Gates: Spezifikation, Architektur, Build, Review, Auslieferung. Es beginnt in unserem Konfigurator.