Dr. Matthew Putman, CEO og medgrunnlegger av Nanotronics – Intervju-serie

Dr. Matthew Putman er CEO og medgrunnlegger av Nanotronics, et selskap innen vitenskap og teknologi som har redefinert fabrikkkontroll gjennom oppfinnelsen av en plattform som kombinerer AI, automatisering og avansert bildebehandling for å assistere menneskelig genialitet i å detektere feil og unormaliteter i produksjon, en industri som har stagnert siden 1950-tallet. Før Nanotronics var Matthew eier og visepresident for utvikling i Tech Pro, Inc., som ble kjøpt av Roper Industries i 2008. Under sin tid i Tech Pro ledet han to oppkjøp og omforming av instrumentprodusenten til nye globale markeder, og etablerte partnerskap eller datterselskaper i 15 nasjoner.

Kunne du beskrive hva nanoteknologi er?

Nanoteknologi har hatt to forskjellige betydninger gjennom de 35 årene som begrepet har eksistert. Det vanligste i 2020 er at nanoteknologi er bruken av teknologi som har en størrelse på mindre enn 100 nanometer. Vi ser nanoteknologi som passer til dette i støtbestandige belninger, solkrem, og vannrensing. Dette presenterer muligheter, men ikke det mest spennende. For meg er nanoteknologi evnen til å produsere ting som er atomisk presise. Når du har noe som er atomisk presist, har du evnen til å navigere gjennom rommet uten begrensningene i den makroskopiske verden. Du har fysiske og elektriske egenskaper som ikke bare er overlegne, men også kontrollerbare. Dette er hvor nanoteknologi har muligheten til å åpne opp områder for innovasjon som ikke er mulig på andre måter. Dette ble først beskrevet av Eric Drexler på 1980-tallet, og nå som kunstig intelligens kan samhandle med materivitenskap, biologi, kjemi og fysikk, er ting mer mulig enn noen gang før.

Hvilke industrier er mest modne for å bli forstyrret av nanoteknologi?

Elektronikkindustrien er noe som synes å lede vei for alt annet. Muligheten for å nå slutten av Moore’s lov ved hjelp av tradisjonell halvlederproduksjon er faktisk en mulighet for nanoteknologi. Jeg tror vi kommer til å se ting som 3D-arkitektur av substrater, vi kommer til å se nye materialer som vi ikke kunne bruke før for å gi mer energi-effektivitet. Og vi kommer til å kunne se design som bygges for mye mindre penger enn det det kostar å bygge halvledere i dag. Når du gjør dette, kommer vi til å se at resten kan dra nytte av egenskapene til å manipulere objekter på denne skalaen, enten det er biologi eller kjemi, eksemplet og prototypen vi kommer til å se i halvledere kommer til å bli brukt.

Kunne du dele historien bak Nanotronics?

Vi startet Nanotronics i 2010, da jeg arbeidet ved Columbia University. Nanotronics er virkelig et resultat av ønsket om å sikre at de mest spennende oppfinnelser kunne skaleres. Et universitetslaboratorium er et sted med stor potensial oppfinnelse, men det betyr ikke mye hvis oppfinnelsen blir værende i laboratoriet. Dette er i mitt DNA som noen som har tilbragt mer tid på fabrikkgulv enn akademiske laboratorier. Jeg startet Nanotronics med min far, som var grunnlegger av et annet selskap hvor vi arbeidet sammen. Det selskapet (Tech Pro) ble kjøpt i 2008. Målet med det selskapet var å bruke den nyeste datateknologien og instrumentasjon for å revolusjonere eldre industrier. Virkelig, Nanotronics er utviklingen av denne konseptet. I tilfelle Nanotronics, er det å bruke kunstig intelligens, superoppløsning av bilde og robotikk for å endre måten ting blir bygget på. Denne ideen var ikke spesifik for en bestemt industri. Vi fikk vår første kunde i 2011, i neste generasjons halvledere som var vanskelige å skalerer på grunn av nanoskala feil som forårsaker dårlige utbytte, og hindret masse-adoptsjon, til tross for de fantastiske egenskapene de tilbyr. Dette var et fantastisk sted å starte, da det presenterte en usedvanlig mengde utfordringer. Det gjorde at vi kunne se ikke bare på denne spesifikke industrien, men også på produksjon generelt. Denne industrien, sammensatte halvledere, er nå den raskest voksende delen av industrien.

Nanotronics har et patentert måte å overgå Abbe-grensen. Kunne du begynne med å forklare hva Abbe-grensen er og hvordan Nanotronics kan overvinne denne begrensningen?

Abbe-grensen er formaliseringen av en fysisk lov kalt diffusjonsbegrensningen av Ernst Abbe. Dette er en måte å velge optikk ved å beregne numerisk åpning så at lysets bølge ikke er større enn objektet du ønsker å avbilde. Dette er noe vi kan overvinne, men det er noe som komputasjonelt kan gå rundt. Vi har flere forskjellige metoder for å gjøre dette. En av de virkelig effektive måtene å kunne håndtere dette på er ikke noe vi startet med overhodet. Vi hadde mye mer komplekse måter å gjøre bevegelseskontroll og rekonstruksjon av bilder enn vi gjør nå. Dette involverte å flytte lys og fysisk bevegelse og ta flere bilder og bruke komputasjon til å se hva som ikke kan ses ellers. Vi gjør dette fortsatt i noen tilfeller, men oftere bruker vi en kombinasjon av lysmodi og kunstig intelligens. Essensielt sett klassifiserer vi hva en AI forventer skal ses og sammenligner det med hva som faktisk ses, selv om lysets bølgelengde er større enn objektet som avbildes. Vi søker alltid etter nye måter å gjøre dette på, og utfordringen er ikke alltid oppløsning, men å kunne detektere noe som er mindre enn Abbe-grensen, og å kunne gjøre det med en gjennomstrømningshastighet som holder pace med produksjon.

Kunne du diskutere hvordan Nanotronics kombinerer maskinlæring med nanoteknologi?

Jeg diskuterte dette litt i den forrige spørsmålet om Abbe-grensen. I nanoteknologi kan du anta at noe du løser er mindre enn lysets bølgelengde du bruker. Så, hvis du er i stand til å se noe som er mindre og å kunne se det på grunn av maskinlæring, da er du i stand til å manipulere det, og du er i stand til å lære av det selv og å kunne bygge med det. Dette er første gangen dette var mulig med nanoteknologi. Vi gjorde et eksperiment som du kan forestille deg blir noe verdifullt i nanoteknologi, som var å bruke 3D-utskriving med forsterkingslæring. 3D-utskriveren ble guidet av forsterkingslæring-agenter som skulle optimere for å fikse unormaliteter for å få en endelig egenskap. De gjorde dette på måter som mennesker aldri tenkte å gjøre det. Mens det ikke er eksakt nano, ville samme ide gjelde.

Kan du diskutere hvordan nanoteknologi og mennesker kan supplere hverandre?

Dette er første gangen når mennesker med stor dyktighet og evnen til å kombinere mange forskjellige konsepter på samme tid kan arbeide med den usedvanlig rask evnen til en kunstig intelligens. Dette kan gjøres ved å kontinuerlig oppdatere våre mål som vi ønsker AI å optimere for. Det er en måte for oss å gi veiledning mens vi ser på resultatet av AI-en. Vi vet ikke alltid hva strategi og taktikk AI-en vil ta, men vi vet resultatet vi ønsker den å oppnå. Dette er spesielt viktig i nanoteknologi hvor mange av våre instinkter ikke er i linje med hvordan fysikken fungerer. Heldigvis har en AI ikke problemet med disse instinktene og kan i stedet reagere på situasjonen og lære på måter som vi ikke er i stand til. I essensen lærer vi en AI ved å gi den mange sjanser til å lære på egen hånd uten våre fordommer, og i retur lærer den oss hva som er mulig.

Nanotronics har samarbeidet med en rekke gensekvenseringsselskaper for å assistere med å redusere kostnadene ved gensekvensering. Kunne du diskutere noen av disse samarbeidene?

Mens jeg ikke kan diskutere detaljene om hva vi gjør for våre kunder i gensekvensering, kan jeg si at vårt mål og hvor vi har sett noen suksess, er å bruke unike lysmodi og AI for å forbedre utbyttet. Bedre utbytte kan være tett knyttet til prisen på en sekvens. Hvis du gjør dette, vil det til slutt føre til en raskere utvikling av vaksiner og andre terapier, og også til ekstremt billig gensekvensering som kan føre til en $100-genom. Mitt personlige mål, som det er for mange andre, er å se personlig medisin bli en realitet så raskt som mulig.

Hva er noen måter nanoteknologi kan øke utbytte mens den reduserer avfall?

Nanoteknologi må være assosiert med reduksjon av avfall, eller det er ikke virkelig nanoteknologi i min mening. Vi sier at nanoteknologi og atomisk presis produksjon er synonymt, derfor burde råmaterialet til hva du produserer ikke inneholde noe avfall i det hele tatt. Vi tror at dette er mulig hvis du tenker på hva som er oppnådd ved å bruke forsterkingslæring for andre produksjonsteknikker vi gjør.

Er det noe annet du ønsker å dele om Nanotronics?

Vi gjør noe vi kaller intelligent fabrikkkontroll (IFC). Vi ser veien til intelligente fabrikker som går fra forbedring av utbytte på tradisjonelle fabrikker til å lede mot atomisk presise fabrikker.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Nanotronics.