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 revolutionert fabrikkkontroll gjennom å oppfinne en plattform som kombinerer kunstig intelligens, automatisering og avansert bildebehandling for å assistere menneskelig kreativitet i å oppdage feil og unormaliteter i produksjon, en bransje 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 hans tid i Tech Pro ledet han to oppkjøp og omforming av instrumentprodusenten til nye globale markeder, og etablerte partnerskap eller datterselskaper i 15 nasjoner.

Hva er nanoteknologi?

Nanoteknologi har hatt to forskjellige betydninger i løpet av de 35 årene som begrepet har eksistert. Den vanligste i 2020 er at nanoteknologi er bruk av teknologi som har en størrelse på mindre enn 100 nanometer. Vi ser nanoteknologi som passer inn i denne kategorien i vannavstøtende belninger, solkrem og vannrensing. Dette presenterer muligheter, men er 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 fysisk og elektrisk 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 fremmet av Eric Drexler på 1980-tallet, og nå som kunstig intelligens kan samhandle med materialvitenskap, biologi, kjemi og fysikk, er ting mer mulig enn noen gang før.

Hvilke bransjer er mest modne for å bli revolusjonert av nanoteknologi?

Elektronikkindustrien ser ut til å lede vei for alt annet. Muligheten for å nå slutten på 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 være i stand til å se design som bygges for mye mindre penger enn det det koster å bygge halvledere i dag. Når du gjør dette, kommer vi til å se at resten av bransjene 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.

Kan 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 oppfinnelsene kunne skaleres. Et universitetslaboratorium er et sted med stor oppfinnsomhet, men det betyr ikke mye hvis oppfinnelsen blir værende i laboratoriet. Dette er i min 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 og robotikk for å endre måten ting bygges på. Denne ideen var ikke bransjespesifikk. Vi fikk vår første kunde i 2011, i neste generasjons halvledere som var vanskelige å skalerer på grunn av nanoskala defekter som forårsaker dårlige utbytte, og hindret masseadopsjon, 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 industrien, men også på produksjon generelt. Denne industrien, sammensatte halvledere, er nå den raskest voksende delen av industrien.

Nanotronics har en patentert måte å overgå Abbe-grensen. Kan du forklare hva Abbe-grensen er og hvordan Nanotronics kan overgå denne begrensningen?

Abbe-grensen er formaliseringen av en fysisk lov kalt diffraksiyonsgrensen 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 bilete. Dette er noe vi kan overgå, men det er noe vi kan gjøre komputasjonelt. Vi har flere forskjellige metoder for å gjøre dette. En av de mest effektive måtene å kunne håndtere dette på er ikke noe vi startet med fra begynnelsen. Vi hadde mye mer komplekse måter å gjøre bevegelseskontroll og rekonstruksjon av bilder enn vi gjør nå. Dette involverte å flytte lys og fysisk bevege ting og ta flere bilder og bruke komputasjon til å se hva som ikke kunne ses ellers. Vi gjør fortsatt dette i noen tilfeller, men oftere bruker vi en kombinasjon av lysmodi og kunstig intelligens. Essensielt sett klassifiserer vi hva en AI forventer å se 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 gjennomstrømningshastigheter som holder pace med produksjon.

Kan 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. Så, hvis du er i stand til å se noe som er mindre og kan 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 bygge med det. Dette er første gangen dette var mulig med nanoteknologi. Vi gjorde et eksperiment som du kan forestille deg blir verdifullt i nanoteknologi, som var å bruke 3D-utskriving med forsterkingslæring. 3D-utskriveren ble styrt av forsterkingslæring-agenter som skulle optimalisere for å fikse unormaliteter for å få en sluttegenskap. 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 kunstig intelligens. Dette kan gjøres ved å kontinuerlig oppdatere målene våre som vi ønsker at AI skal optimalisere for. Det er en måte for oss å gi veiledning mens vi ser på resultatet av AI. Vi vet ikke alltid hvilken strategi og taktikk AI vil ta, men vi vet hva sluttresultatet vi ønsker at det skal oppnå. Dette er spesielt viktig i nanoteknologi hvor mange av våre instinkter ikke er i linje med hvordan fysikken fungerer. Heldigvis har AI ikke problemer 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. Kan 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 litt suksess, er å bruke unike lysmodi og AI for å forbedre utbyttet. Bedre utbytte kan knyttes meget til prisen på en sekvens. Hvis du gjør dette, kommer det til slutt 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 vil si at nanoteknologi og atomisk presis produksjon er synonymt, derfor skal råmaterialet til det du produserer inneholde ingen 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 som vi gjør.

Er det noe annet du ønsker å dele om Nanotronics?

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

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