Latest / Signaali / #46 | Simulaatiot: fuusioenergia, multifysiikka, kvantti ja tekoäly. Vieraana Juha Riippi.

Transcript

#46 | Simulaatiot: fuusioenergia, multifysiikka, kvantti ja tekoäly. Vieraana Juha Riippi. · Signaali

• 0:00
  Morjensta kaikille ja tervetuloa uuden signaalipodcastin jakson
• 0:03
  pariin. Mun nimi on geourgi lapinlampi
• 0:07
  ja tavanomaiseen tapaan pyytäisin teitä laittamaan
• 0:10
  kanavan tilaukseen. Näin autatte meitä vahvistamaan
• 0:13
  signaaleja. Ja nyt itse aiheeseen.
• 0:17
  Tällä kertaa signaalin vieraana on juha riitti, joka on
• 0:20
  kvansiintin yksi perusteista ja toimitusjohtaja.
• 0:24
  Tervetuloa signaaliin juha kiitos kiitos kiitos george.
• 0:28
  Mukava olla täällä lähdetäänkö peruskysymyksellä liikkeelle?
• 0:32
  Miksi kvanzzin perustettiin? Perustavanlaatuinen kysymys tota
• 0:38
  lähestytään tätä tarinan kautta eli miten kun ansainnoita
• 0:41
  perustettiin josta päästään siihen miksi ja tuota.
• 0:46
  Oikeastaan idea kansainvälistä lähti liikkeelle meidän yksi
• 0:50
  kanssa perusteista valtteri lahtisen aa ollessa
• 0:53
  kvanttitutkijan aalto-yliopistolla.
• 0:56
  Hän oli QCD labsissa, jota veti ja vetää edelleen professori
• 1:01
  mikko möttönen ja mikkohan oli yksi perustajista IQM, lle.
• 1:06
  Huomattiin ihan tää oli varmaan semmoinen niinku
• 1:07
  virikevaltterille, että voisiko tässä olla jotain annettavaa
• 1:11
  niin kun teollisuudelle pitkän tutkijataustan jälkeen ja.
• 1:16
  Meillä on valtterin kanssa hyvä yhteinen ystävä, joka sitten
• 1:19
  tuota jutteli mulle, että hänellä on tämmöinen kaveri,
• 1:22
  joka on perustaa firmaa kvanttiteknologian ympärille,
• 1:25
  mutta hän haluaisi mukaan vähän kaupallisemmin orientoitunut
• 1:28
  hieman toimari. Siihen käytiin sitten lounaalla
• 1:32
  ja tähän oli tota ammatillista rakkautta ensisilmäyksellä tota
• 1:37
  meillä meillä synkkasi tosi hyvin ja tässä kohtaa lounaalla
• 1:40
  oli mukana myös sitten yksi meidän perusteista asser
• 1:42
  lähdemäki. Siinä oli pari meidän vanhasta
• 1:45
  enkelisijoittajaa myös tota. Teemu jokinen ja samppalahtinen
• 1:49
  oli oli paikalla ja siinä lähdettiin työstämään konseptia.
• 1:54
  Oikeastaan liikkeelle lähdettiin niinku siitä intohimosta ja
• 1:58
  palosta, että päästään tekemään tällaisen uuden teknologian
• 2:01
  kanssa. Jotain.
• 2:02
  Me ei tiedetty vielä silloin mitään, että se oli lähinnä,
• 2:04
  että tehdään jotain siistiä kvanttiteknologialla ja siitä se
• 2:07
  oli ihan ihan oikea tai garas meininkiä.
• 2:09
  Se oli ihan oikeata garasmeininkiä.
• 2:11
  Joo ja semmoinen niinku ja. No me me pidettiin sitten
• 2:14
  kesällä 21 sarja työpajoja. Meillä oli useampi skenaario
• 2:19
  mitä me voitaisiin tehdä. Ja yksi näistä skenaarioista oli
• 2:22
  aina multifysiikkasimulointi eli valtterilla ja asselilla oli
• 2:25
  molemmilla aika semmoista akateemisesta elämästä paljonkin
• 2:28
  kokemusta. Etenkin suprajohdemallinnuksesta
• 2:31
  niin klassisella laskennalla. Mutta tota ja valtteri oli itse
• 2:36
  asiassa julkaissut myös paperin, että miten tätä voidaan soveltaa
• 2:39
  kvanttitietokoneelle ja se oli tavallaan yksi vahva
• 2:42
  kandidaatti, mutta meillä oli muutama muukin.
• 2:45
  Mut sitten me meihin otti yhteyttä alexandra habak, joka
• 2:50
  on belgialainen kaveri oli väitellyt 2014 leasing
• 2:54
  yliopistossa aiheesta miten skaalataan
• 2:57
  multifysiikkalaskentaa pilvessä eli miten tavallaan pystytään
• 3:01
  jakamaan se laskenta useammalle useammalle ytimelle tehokkaasti,
• 3:05
  mikä on yllättävän vaikea vaikea temppu ja.
• 3:09
  Hän hän otti yhteyttä asui silloin jo suomessa oli
• 3:12
  postdocina Tampereen yliopistolla ja kyseli vähän
• 3:16
  kautta rantain, että olisko mitään niin kun hajua jostain
• 3:19
  työmahdollisuuksista. Vastaus oli, että no ei nyt
• 3:22
  oikeastaan, mutta Haluatko perustaa firman meidän kanssa ja
• 3:25
  ja tota tavattiin aleksin kanssa ja siitä oikeastaan lähti
• 3:29
  kiteytymään. Sitten se ajatus, että tässä on
• 3:31
  vahva yhdistelmä pilvilaskentaa. Ja myös tää valtava potentiaali
• 3:37
  kvantti teknologialla, että se pilvilaskenta ikään kuin auttaa
• 3:40
  meitä saamaan valmiin tuotteen markkinalle.
• 3:42
  Aikaisemmin päästä kiinni liikevaihtoon.
• 3:44
  Mutta edelleen sillä visiolla, että siihen tullaan yhdistämään
• 3:47
  kvanttilaskentaa. Kun teknologia on sille valmis
• 3:50
  ja tällä polulla ollaan toki 4 vuotta pidemmällä ja monta
• 3:55
  edistysaskelta pidemmällä. Joo, kuulostaa
• 3:58
  mielenkiintoiselta, mutta teillä oli siis heti alussa pari
• 4:01
  enkelisijoittajaa, niin oliko eduksi teille ja miten on käynyt
• 4:06
  näin, että teillä oli heti alussa henkilösijoittajia kun
• 4:09
  käsittääkseni niin monella startup-perusteella on just se
• 4:12
  haaste, että mistä löytää sijoittajat heti alkuun hyvät ja
• 4:15
  luotettavat sijoittajat. Että tää oli.
• 4:17
  Tää oli tietysti vähän tämmöinen friends family fulls tyyppinen
• 4:21
  tyyppinen rundi eli. Niinku ehkä osa kuuntelijoista
• 4:25
  huomaa, niin sampala ja valtterilla on sama sukunimi.
• 4:28
  Eli he ovat veljeksiä aha ja samppa tekee enkelisijoituksia,
• 4:33
  että toki oli niin kun innostunut myös tästä veljensä
• 4:36
  ajatuksesta perustaa yritys ja sitten jokisen teemu on myös
• 4:41
  tuolta jämsästä kotoisin. Mistä valtteri samppail he on jo
• 4:45
  lapsuuden tuttuja ja molemmat molemmat tosiaan sitten tekee
• 4:48
  enkelisijoituksia ja he innostui kovasti tästä, että niin se oli
• 4:51
  sinänsä niinku tietysti helpotti.
• 4:54
  Heittäytymistä, että irtisanoutua hyvistä
• 4:56
  työpaikoista ja lähtee lähtee rakentaa jotain uutta niin
• 5:00
  sanotusti tyhjän päälle kun siinä oli jo jonkin verran
• 5:02
  pääomaa, että semmoinen maltillinen preside-kierros
• 5:05
  sitten saatiin saatiin niinku saman tien kun firma firma oli
• 5:09
  tuonne PRH, lle paperit laitettu sisään.
• 5:12
  No sitten jossain vaiheessa teille kirkastui, että mitä te
• 5:15
  haluatte tehdä ja heti aluksi nostettiin tämän multifysiikan.
• 5:20
  Esille niin voisitko avata mitä tää multifysiikka oikein tekee?
• 5:23
  Mikä tarkoitus sillä on? Joo multifysiikka tai
• 5:28
  monifysiikka. No aloitetaan silleen, että mä
• 5:30
  en ole tän termin kauhea fani, että oikeasti on vaan fysiikkaa
• 5:34
  luonnossa, mutta se on oikeastaan no 2 2 tällaista
• 5:39
  perinteistä firmaa multifysiikkasimulintialoilla
• 5:41
  angys ja compsus vähän kiistelee siitä, että kumpi tän on
• 5:45
  keksinyt, mutta se ajatus tulee siitä, että kun mallinnetaan
• 5:50
  monimutkaisia ilmiöitä niin ja laitteita niin siellä täytyy
• 5:54
  ottaa huomioon eri fysiikan osa-alueita eli vaikka.
• 5:57
  Virtausmallinnus miten nesteet tai kaasut virtaa
• 5:59
  lämpömallinnus, sähkömagneettiset ilmiöt voi
• 6:03
  olla akustista mallinnusta voi olla sähkömagneettisia aaltoja
• 6:07
  ja niin poispäin eli paljon eri fysiikan osa-alueita ja
• 6:12
  multifysiikka tulee esimerkiksi ansisysmielessä siitä, että
• 6:16
  heillä on laaja tuoteportfolio eli heillä on oma ratkaisijansa,
• 6:19
  joka tekee lämpötilamallinnusta ja sitten heillä on taas oma
• 6:22
  ratkaisijansa, joka tekee sähkömagneettista mallinnusta ja
• 6:25
  sitten he on tietynlainen work pens missä nää voidaan.
• 6:27
  Yhdistää ja. Miten me ja no tässä tapauksessa
• 6:33
  myös konsoleroa siitä, että meillä taas on yksi ratkaisija
• 6:36
  jolla tää kaikki ratkaistaan ja nää ilmiöthän on oikeasti myös
• 6:40
  luonnossa. Ne vaikuttaa toisiinsa eli
• 6:42
  lämpötila voi vaikuttaa vaikka sähkömagneettisiin
• 6:44
  ominaisuuksiin ja se vaikuttaa mekaanisesti sitä että asiat
• 6:48
  lämpö laajenee, niin tavallaan meidän ratkaisija tekee sen
• 6:52
  kaiken ikään kuin kerralla ja ne ilmiöt vuorovaikuttaa toisiinsa.
• 6:56
  Ja ehkä jos mennään vielä siihen, että no mitä sitten?
• 6:59
  Mihin tätä käytetään? Niin insinöörit käyttää siis.
• 7:03
  No se on helppotajuinen. Esimerkki on esimerkiksi
• 7:08
  lentokone. Halutaan testata miten se
• 7:11
  toimii. Aerodynaamisesti niin.
• 7:16
  Sen sijaan, että rakennetaan monen miljoonan malli, viedään
• 7:19
  se tuulitunneli testaukseen, joka maksaa satojatuhansia.
• 7:22
  Ja sitten jos jotain täytyy muuttaa, muutetaan tätä fyysistä
• 7:24
  mallia, niin se voidaan simuloida.
• 7:29
  Tässä tietysti semmoinen pieni, että tänä päivänä näin ei vielä
• 7:32
  voida tehdä riittävän tarkalla tasolla.
• 7:34
  Eli se on niin monimutkainen laskenta, että maailman
• 7:37
  parhailla supertietokoneella menisi vuosia ratkautta ja mistä
• 7:40
  tullaan sitten taas siihen mitä kvanttitietokoneet mahdollistaa.
• 7:43
  Tulevaisuudessa eli tämmöinen tarkempi, erittäin kompleksisten
• 7:47
  mallien simulointi. Mutta totta kai siis tuo on vaan
• 7:50
  yksi, että sitten vaikka sähkömoottorisuunnittelussa
• 7:53
  puolijohdesuunnittelussa energia-alalla autoilualalla,
• 7:57
  erilaisten sensoreiden ja kaikki käytännössä voisi sanoa, että
• 8:01
  koska tahansa kun suunnitellaan jotain monimutkaisempaa laitetta
• 8:06
  kun vaikka vasara. Niin siellä on yleensä.
• 8:10
  Multifysiikkamallinnusta. Ja uskalsin väittää, että monet
• 8:13
  vasaravalmistajatkin käyttää ainakin tämmöistä mekaanista
• 8:16
  simulointia sen vasaran mallinnukseen.
• 8:19
  Eli tää multi tavallaan kertoo sitä, että me voidaan analysoida
• 8:23
  erilaisia luonnon erilaisten luonnon voimien vaikutusta
• 8:27
  samanaikaisesti. Vai mistä se muuten on?
• 8:29
  Just näin ja se tulee siitä, että eri eri fysiikan ikään kuin
• 8:32
  osa-alueita mitkä no koulussa opetetaan niin kuin
• 8:37
  sähkömagnetiikan yhtälöitä ja opetetaan mekaanisen laskennan
• 8:41
  yhtälöitä. Vipuvoimia tai jotain.
• 8:44
  Niinku niin niin. Niillä yhdistelmä joo ja siitä
• 8:48
  tulee se muuten. Tarkoittaako tämä nyt sitten
• 8:51
  sitä, että me ei tarvita esimerkiksi tuulitunneleita ja
• 8:54
  labroja muutaman vuoden päästä? Kuinka lähellä me ollaan sitä
• 8:57
  pistettä, että me voidaan jo niinku tässä virtuaalimaailmassa
• 9:01
  simuloida kaikkea tätä? No mä sanoisin että.
• 9:06
  Ei lähitulevaisuudessa eli niitä tullaan varmaan.
• 9:10
  No vaikea sanoa aina, mutta näkisin että niin kun pitkälle
• 9:15
  tulevaisuuteen tullaan tarvitsee näitä edelleen, mutta niitä
• 9:18
  voidaan käyttää vähemmän eli päästään pidemmälle
• 9:21
  simuloinnilla, mutta näin niinku vaikka matkustajanäkökulmasta,
• 9:26
  niin ehkä itsestä tuntuu kivalta, että siinä on se yksi
• 9:30
  tuulitunnelistauskin tehty, että tässä on.
• 9:34
  Simulointipiireissä on semmoinen sanonta, että.
• 9:36
  Kaikki simulaatiot ovat väärässä, mutta osa on
• 9:38
  hyödyllisiä. Vähän niinku
• 9:41
  kansantaloustieteissä jotain malleista just näin ja eli ne on
• 9:46
  hyödyllisiä siinä, että siitä saadaan informaatiota.
• 9:48
  Miten se malli käyttäytyy, mutta siinä on aina tiettyjä eroja
• 9:53
  todellisuuden kanssa, että jos jos me mietitään vaikka
• 9:57
  käsipelillä rakennettavaa sähkömoottoria, se cad-malli
• 10:00
  mikä mitä simuloidaan niin siinä on täydellisesti kiertyneet
• 10:03
  käämit siinä moottorin ympärillä ja.
• 10:06
  Eri eri osissa. No ei ympärillä.
• 10:08
  Mutta kuitenkin siellä ja tota todellisuus.
• 10:12
  Sitten kun tehdään kokoonpanoa, niin ne ei olekaan niin
• 10:14
  täydellisiä ja näillä asioilla on vaikutusta, että sinänsä
• 10:17
  sitten se prototyypin mittaustulokset ja simulaatiot
• 10:19
  yleensä jonkin verran aina poikkeaa toisistaan tai
• 10:22
  puolijohdevalmistuksessa piirretään täydelliset linjat
• 10:25
  komponenteille tai tämmöisille mikroelekromekaanisisille
• 10:29
  laitteille eli mams-laitteille. Mutta sitten kun se oikeasti
• 10:32
  laitetaan spi kiekiekolle, niin siitä prosessista johtuen ne ei
• 10:35
  olekaan enää niin täydellisiä. Ja tämmöisiä.
• 10:40
  Voi olla vaikea ottaa huomioon simuloinnissa alkuun, mutta
• 10:44
  sitten taas kun on esimerkiksi se ensimmäinen prototyyppi tehty
• 10:47
  ja testattu sitä, niin sillä voidaan toki sillä datalla
• 10:50
  parantaa myös sen simulaatiomallin tarkkuutta.
• 10:54
  Mut se vähentää niitä huomattavasti vaadittavien
• 10:57
  prototyyppien rakentamista ja toki nopeuttaa kun designin
• 11:01
  etenemistä. No onko olemassa jotain
• 11:03
  fysikaalisia ilmiöitä mitä ei voi simuloida?
• 11:06
  On, että meillä on tai sanotaan voisimuloida hyvin
• 11:12
  rajoittuneesti, että yksi hyvä esimerkki on, että meillä on
• 11:17
  asiakkaita, jotka kehittää fuusioenergiaa tai
• 11:19
  fuusiovoimaloita. Niin meidän teknologialla
• 11:23
  tehdään sitä, että simuloidaan niitä suprojohtavia magneetteja,
• 11:27
  jotka luo sen magneettikentän mitkä sitten tavallaan pitää sen
• 11:30
  plasman kellumassa. Magneettikentän avulla, mut
• 11:35
  sitten taas se plasman simulointi on hirvittävän
• 11:37
  haastavaa, koska se on se on fysikaalisesti todella
• 11:41
  monimutkainen. Siihen liittyy
• 11:42
  virtausmallinnusta. Siihen liittyy voimakkaita
• 11:44
  magneettikenttiä ja sähkömagneettisia ilmiöitä ja
• 11:48
  tietysti hirvittävät lämpötilat. Puhutaan miljoonista asteista
• 11:53
  niin se on. Se on aika äärimmäinen fysiikan
• 11:56
  ilmiö ja. Vielä niin kuin kerratakseni
• 11:59
  tänä päivänä, että tommoinen tarkka aerodynamiikkamallinnus
• 12:03
  tai virtausmallinnus on monissa kohtaa hyvin haastavaa, että ne
• 12:06
  on yleensä enemmän tai vähemmän sitten taas approksimaatioita.
• 12:09
  Ne simulaatiomallit nykyteknologialla.
• 12:12
  O. K mut me halutaan kuitenkin
• 12:14
  näillä simulaatioilla päästä mahdollisimman lähelle
• 12:17
  todellisuutta, niin miten voi arvioida, onko olemassa jotain
• 12:21
  objektiivisia mittareita, että kuinka lähelle todellisuutta me
• 12:25
  päästään näillä simuloinneilla? No paras on aina toki se, että
• 12:30
  päästään vertaamaan mitattuihin tuloksiin jostain fyysisestä,
• 12:33
  että se on ja usein. Siinä ollaan riittävän lähellä,
• 12:37
  että se on niinku erittäin hyödyllistä sen designin
• 12:40
  nopeuttamisen kannalta. Ja sinänsähän niin kun
• 12:44
  loppupeleissä se mitä tämmöinen numeerinen simulointi on, niin
• 12:48
  se on osittaisdifferentiaaliyhtälö
• 12:49
  ratkaisemista eli fysiikan lakien mukaan ratkottua
• 12:53
  matikkaa, niin sehän sinänsä on absoluuttisesti oikeassa jos ei
• 12:57
  oteta huomioon jotain, niin kun liukuluukulaskennan tarkkuudesta
• 13:01
  johtuvaa kohinaa. Mutta tota.
• 13:07
  Se sitten että onko se malli? Vastaako se sitä todellisuutta
• 13:11
  mitä mitä rakennetaan, niin se se on se isoin haaste.
• 13:15
  Ja sitten toki joissain kohdissa myös se itse laskenta muuttuu
• 13:19
  niin kompleksiseksi, että että se ei vaan se ei ole
• 13:22
  käytännöllistä tai edes mahdollista niinku
• 13:24
  nykylaskentakapasiteettia. Miten me päästään sitten tästä
• 13:30
  reaalimaailma simulaatiosta eli esimerkiksi tuulitunnelista tän
• 13:35
  virtuaaliseen maailmaan? Minkälaista muutosta se oikein
• 13:39
  vaatii? Onko se sellainen, että me
• 13:42
  käytetään näitä virtuaali, siis virtuaalisen maailman
• 13:46
  simulointeja tän oikean simuloinnin rinnalla ja sitten
• 13:50
  me lisätään koko ajan sinne näitä virtuaalimaailman osia ja
• 13:54
  pikkuhiljaa siirrytään kohti. Virtuaalimaailmaa vai tapahtuuko
• 13:58
  se näin kerralla että nyt otetaan että tää tää tätä tuuli
• 14:01
  tummelia ei tarvitakaan enää. No kyllä se on tää ensimmäinen
• 14:06
  eli eli enemmän iteratiivinen työ, että jatkuvasti tarkempia
• 14:11
  ja monimutkaisempia malleja, jotka vastaa paremmin ja
• 14:14
  paremmin todellisuutta ja. Jota kautta voidaan sitten
• 14:18
  jatkuvasti vähentää, vaikka sitä tuulitunnelitestausta, että sen
• 14:21
  sijaan että joka ikinen välivaihe viedään sinne, niin
• 14:24
  sitten ehkä se optimi olisi. Semmoisella järkevällä
• 14:28
  aikaskaalalla et sitten se on se viimeinen malli mikä viedään
• 14:31
  sinne ja todetaan että joo hyvä tuli.
• 14:36
  Siis täähän on erittäin kompleksinen ja
• 14:39
  energiaintensiivinen prosessi simuloida oikeastaan mitä
• 14:42
  tahansa. Jos simuloida pelkästään
• 14:44
  lämpötilaa, niin sekin on todella monimutkaista.
• 14:47
  Mutta jos lisätään kaikki fysikaaliset ilmiöt, samaa
• 14:51
  mallia samaa simulaatioon, niin mistä tää niinku laskentateho ja
• 14:56
  ja ja tällainen. Energiassa sitä varten hankitaan
• 15:00
  se. Sehän vaatii varmaan valtavia
• 15:02
  tatekeskuksia ja ja ja vaikka mitä, niin miten te pystytte
• 15:06
  tekemään sitä? No.
• 15:08
  Ei se loppupeleissä niin valtavan intensiivistä ole, jos
• 15:12
  vertaa vaikka joihinkin laajojen kielimallien kouluttamiseen,
• 15:16
  missä puhutaan, että sinne rakennetaan pienydinvoimaloita,
• 15:18
  että on riittävästi GPU kapasiteettia, että yleensä nämä
• 15:22
  on kuitenkin skaalaltaan jonkin verran pienempiä tehtäviä.
• 15:25
  Toki on sitten semmoisia niinku äärimmäisiä, mutta.
• 15:28
  Tämmöisen niinku fysiikkamallin kannalta ei oo käytännöllistä
• 15:32
  että se simulaatio vaatii niin kuin LM koulutuksen veron
• 15:36
  resursseja, koska sitten sen kustannus nousee niin isoksi,
• 15:38
  että se alkaa olla jo halvempi rakentaa prototyyppiä.
• 15:41
  Riippuu totta kai vähän mitä ollaan tekemässä, mutta
• 15:44
  tyypillisesti näin eli se se pitää pystyä se algoritmin
• 15:47
  tehokkuus viemään sille tasolle, että se simulaatiomalli.
• 15:52
  On kannattavaa sen ajan minä, että sen kustannukset on
• 15:56
  huomattavasti pienemmät kuin prototyypin
• 15:58
  valmistuskustannukset ja se kyetään ajamaan niin nopeasti,
• 16:04
  että se on huomattavasti nopeampaa.
• 16:06
  Se designin iterointi. Kun mitä mitä sitten taas
• 16:11
  rakentamalla fyysisen malli ja yks tietysti mikä on simulaation
• 16:14
  etu on se sitten taas rinnakkaistuminen eli
• 16:18
  prototyyppejä voit rakentaa sen tietyn määrän.
• 16:20
  Totta, simulaatioita voi ajaa sitten taas vaikka tuhansia
• 16:24
  samanaikaisesti, jolloin taas päästään tavallaan.
• 16:28
  Sen sijaan, että tehdään design validoidaan.
• 16:31
  Toimiko se joka simulaatiolla tai prototyypillä, niin
• 16:34
  tutkitaankin tuhansia eri variantteja.
• 16:36
  Sitä designista ehkä ensin vähän karkeammilla simulaatioilla,
• 16:39
  suuntaa-antavilla ja sitten sen jälkeen ikään kuin zoomataan
• 16:43
  sisään ja. Testataan tarkemmin ne
• 16:47
  lupavimmat design-kandidaatit. Ja sitten tavallaan tuossa
• 16:53
  tietysti, että sitten kun ajetaan tuhansia simulaatioita,
• 16:55
  niin etenkin nousee se algoritmin.
• 16:59
  Energiatehokkuus tärkeäksi, että se ei vaadi ihan mielettömiä
• 17:02
  resursseja. Joo tosi siistiä.
• 17:06
  Pystytkö nostamaan jotain esimerkkejä esillä mitkä on
• 17:10
  todella? Tehokkaita ja ja jotka kilpailee
• 17:15
  tän reaalimaailman simulaation kanssa.
• 17:16
  Eli te voitte jo nyt tässä virtuaalimaailmaan.
• 17:20
  Mä en tiedä käytänkö mä oikeata termiä kun mä puhun koko ajan
• 17:22
  virtuaalimaailmasta. Mut siis mitkä ovat tavallaan
• 17:27
  sellaiset tosi merkittävät simulaatiot.
• 17:30
  Mitä te olette tähän mennessä toteuttanut?
• 17:33
  Henkilökohtaisesti ja monelle meidän tiimistäkin.
• 17:37
  Hienoja juttuja noi fuusioenergian parissa tehdyt
• 17:40
  tehdyt mallit ja fuusioenergia on siinä kanssa
• 17:43
  mielenkiintoista, että lähtökohtaisesti tosiaan niinku
• 17:47
  sanoin, sulla on plasmapallo, joka jota kelloutetaan
• 17:50
  magneettikentässä ja siinä ympärillä on voimakkaat su
• 17:52
  projehtivat magneetit. Nää magneett ei ole halpoja.
• 17:56
  Ja niihin liittyy paljon ilmiöitä, niin kuin muun muassa
• 17:59
  se, että jos se suprajohtava. Tai suprajohde lämpenee liikaa
• 18:05
  niin puhutaan niin sanotusta quence-ilmiöstä, jolloin se
• 18:07
  muuttuukin ei suprrajohtavaksi. Ja sitten kun siellä on
• 18:11
  kohtuullisen kovat virrat, niin se palaa samantien ja se on
• 18:15
  sitten helposti niinku miljoonainvestointi niin lähtikö
• 18:19
  sitä modernit edistysaskeleet fuusiossa on mahdollistunut
• 18:23
  nimenomaan sen takia, että numeeriset menetelmät on
• 18:25
  kehittynyt niin paljon, että sitä on voitu simuloida
• 18:28
  tarkemmin joka antaa niinku viitteitä siitä, että
• 18:30
  minkälaisia minkälaisia designeja tehdään.
• 18:34
  Että se ja. Se mikä siinä innostaa tietysti
• 18:39
  myös olla edes jollain tavalla mukana tällaisessa, että jos
• 18:43
  fuusioenergiassa onnistutaan, niin sen impaktihan on aivan
• 18:46
  käsittämätön, että se on loputon puhdas energiavaranto
• 18:49
  ihmiskunnalla. No miten tää simulaatio siis
• 18:53
  käytännössä toimii? Tää on todella monimutkainen
• 18:55
  asia. Yritän vaan navata kiinni, että
• 18:57
  ymmärtäisin edes edes vähän mitä siellä konepellin alla tapahtuu.
• 19:01
  Minkälaista dataa se on, miten sitä prosessoidaan, kuinka
• 19:05
  paljon tehoa se vaatii, kuinka paljon aikaa muuten vie
• 19:09
  yksittäinen simulaatio yleensä vai varmaan se riippuu myös
• 19:13
  kovasti siitä kompleksisuudesta, se riippuu.
• 19:16
  Liittyy siihen. Joo joo jos mennään vaikka
• 19:18
  tuohon fuusioenergiaan, ne on aika äärimmäisiä.
• 19:20
  Tää simulaatioita niin. Vaikka meidän.
• 19:25
  Yksi asiakkaalla tämmöisten simulaation ajaminen kesti
• 19:29
  nelisen viikkoa. Eli siis kolmanikäisen koko ajan
• 19:33
  päällä ja simulat 4 viikkoa. Me raputaan me pystyttiin
• 19:36
  nopeuttaa se 2 tuntiin tän meidän edistyneempien oho meidän
• 19:40
  hajautuksen avulla. Eli toi tietysti niinku kertoo
• 19:42
  jo paljon niistä hyödyistä mitä mitä sillä voidaan saavuttaa,
• 19:46
  mut mitä mitä pellinnolla tapahtuu.
• 19:48
  Mikä tavallaan tulee inputtinä ja mitä sieltä tulee ulos niin.
• 19:53
  Käytännössähän siis kaikki moderni suunnittelu tehdään
• 19:56
  jonkinlaisella computer designeli caddy caddy softalla,
• 20:00
  niin käytännössä se on se sisään tuleva malli ja sitten
• 20:03
  asiakkaalla on tottakai insinöörejä jotka ymmärtää niitä
• 20:07
  fyysisiä ilmiöitä eli ne sitten syöttää siihen
• 20:10
  simulaatiomalliin. Ne fysiikan reunaehdot eli
• 20:13
  tuossa on tuommoinen virta. Tää on tällaista materiaalia.
• 20:19
  Ulkolämpötila on tämmöinen mitä reunaehtoja siellä ikinä onkaan
• 20:22
  ja sen jälkeen siitä carrie mallista luodaan.
• 20:28
  Verkko mikä on käytännössä sellainen polygonaalinen kautta
• 20:32
  niinku matemaattinen malli siitä geometriasta.
• 20:37
  Ja se verkkohan koostuu. No ne voi olla eri muotoisia 3 d
• 20:41
  elementtejä mitä siellä on, mutta niissä on aina tämmöisiä
• 20:43
  solmupisteitä missä ne yhdistyy että vähän niinku 2 DNA voisi
• 20:46
  olla tämmöinen niinku heksakartta eli siellä on
• 20:49
  solmupisteet ja näissä solmupisteissä sitten
• 20:51
  tämmöisellä niinku matemaattisella
• 20:53
  disprenisointimenetelmällä mikä meidän tapauksessa on
• 20:57
  elementtimenetelmä. Ratkotaan ne
• 21:01
  osittaisdifferentiaaliyhtälöt eli siitä saadaan kohtuullisen
• 21:05
  järeämatriisi missä ratkotaan noi yhtälöt ja siitä on sitten
• 21:09
  lopputuloksena se. Sen käyttäjän määrittelemä
• 21:12
  lopputulos eli mitä ikinä hän haluaakaan mitata, haluaako hän
• 21:15
  sieltä ulos lämpötiloja tietyissä pisteissä tai
• 21:18
  visualisoinnin siitä miten virrat liikkuu että toi on niin
• 21:23
  kun. Näin periaatteessa se joo ja jos
• 21:29
  ottaa tosi yksinkertaisen esimerkin niin voisi olla
• 21:31
  tämmöinen, että sulla on palkki. Rautapalkki vaikka OK ja se on
• 21:35
  kiinnitetty toisesta päästä ja sen kärkeen kohdistuu voima,
• 21:41
  niin tässä on niinku suhteellisen yksinkertainen
• 21:43
  simulaatiomekaanista fysiikkaa, jolla voidaan ennustaa miten se
• 21:48
  palkki taipuu, minkälaiset voimat ja rasitukset sen palkin
• 21:52
  eri kohtiin tulee siitä kohdistuneesta voimasta.
• 21:56
  Ja. Tuo sama periaate on sitten
• 21:58
  kaikessa muussakin, mutta sitten ne on vaan eri fysiikan
• 22:00
  osa-alueita. Eli teidän asiakkaat saavat
• 22:04
  outputina käytännössä jotain tämmöisiä isoja matriisejä.
• 22:08
  Ja paljon niitä vai? Tai niistä matriiseista
• 22:10
  lasketaan se lopputulema eli se se output tyypillisesti mikä se
• 22:15
  on. Se on visualisointi.
• 22:16
  Eli vaikka jos on jos on lämpötilamallista kyse tai se
• 22:20
  voi olla multifysiikkamallikin. Eli ajatellaan että sulla on
• 22:25
  suprajohde missä menee virta. Miten se suu räjäyhden lämpiää?
• 22:29
  Sä saat siitä visualisoinnin tavallaan niinku lämpökartan
• 22:32
  kuvana ja totta kai voi myös mallintaa sen virran voi
• 22:35
  mallintaa magneettikentät mitä se generoi.
• 22:37
  Voi mallintaa mahdollisen mekaanisen rasituksen, mikä
• 22:40
  siihen kohdistuu, että tyypillisesti visualisointi on
• 22:43
  ihmiselle niinku helpoin tapa käsitellä sitä informaatiota,
• 22:46
  mutta totta kai sieltä voi sitten tuoda esimerkiksi ihan
• 22:49
  CSV datana tai jonkinlaisena muunlaisena datana ihan niinku.
• 22:54
  Raakadataa ja sitten taas prosessoida sen jollain eri
• 22:57
  menetelmällä. Jalostelempaan muotoon.
• 23:00
  Eli siis jos puhutaan näistä fuusio energia
• 23:05
  fuusioreaktoreiden simuloinnista, niin onko nää
• 23:08
  mahdottomia reaalimaailmassa tai onko olemassa jotain semmoisia
• 23:13
  simulointiominaisuuksia ja featureita?
• 23:16
  Mitä te voitte tuoda mitkä ei ole reaalimaailmassa edes
• 23:19
  mahdollisia puhtaasti labrassa? Sillä kannata kyllä, että että
• 23:25
  toki voidaan niin kun simuloida rakenteita mikä on vaikka
• 23:28
  mahdoton valmistaa. Jos tämmöisellä niinku
• 23:31
  ajatusleikillä halutaan, halutaan joku joku koe ja niinku
• 23:36
  mahdollisia labrassa niin sikäli joo että.
• 23:41
  Suurehdot puolella tyypillisesti pystytään aika hyvin tekemään
• 23:44
  mittauksia niistä rakennetuista malleista.
• 23:46
  Mut sitten jos mennään vaikka puolijohteisiin tai tämmöisiin,
• 23:51
  sehän äsken mainittuihin mems laitteisiin eli mikroelecrome
• 23:54
  canical system mikä voi olla vaikka nyt kiihtyvyysanturi tai
• 23:57
  gyroskooppi puhelimessa eli käytännössä
• 24:00
  puolijohdeteknologialla on rakennettu mikroskooppisen pieni
• 24:02
  laite, missä on jotain mekaanisia osia myös mukana.
• 24:06
  Niin niissä voi monesti olla todella haastavaa mitata.
• 24:11
  Että sieltä saadaan toki pystyvää mittaa, että mikä se
• 24:12
  niinku input ja output on ja tämmöiset.
• 24:15
  Mutta se että miten se laite itse asiassa sisäisesti toimii
• 24:17
  niin kun ne on niin pieniä niin se mittaaminen menee erittäin
• 24:20
  haastavaksi, niin sitten simuloinnilla saadaan ymmärrystä
• 24:23
  niistä ilmiöistä mitä siellä itse asiassa tapahtuu siellä
• 24:25
  sisällä kun sieltä tulee tiettyä.
• 24:28
  Outputtia niin nää on. Nää on tällaisia tapauksia, että
• 24:31
  me voidaan rakentaa jotain ja testaamalla todetaan että se
• 24:35
  toimii. Mut me emme välttämättä ymmärrä
• 24:37
  miksi se toimii niin. Näiden avulla voidaan ymmärtää
• 24:39
  mitä se tapahtuu. Joo just näin että toi no no
• 24:43
  tosta on hyvä analogia. Se ei ole itse asiassa semmoinen
• 24:45
  mihin mihin meidän softa kohdistuu, mutta vaikka
• 24:49
  akkusuunnittelu. Että.
• 24:53
  Ihmiset ymmärtää niin, kun korkealla tasolla aika hyvin
• 24:57
  sen. Tai siis tottakai ymmärtää miten
• 24:58
  akut toimii, miten niitä suunnitellaan ja näin.
• 25:00
  Mutta sitten jos mennään sinne niinku molekyylitasolle että
• 25:03
  mitä siellä itse asiassa tapahtuu niin se on vielä vähän
• 25:05
  pimennossa monissa akkuteknologioissa ja no toi on
• 25:10
  yks semmoinen asia mihin että se menee enemmän niinku kemian
• 25:12
  mallinnukseen. Miten molekyylit vuorovaikuttaa
• 25:14
  keskenään. Mutta toki yksi asia mihin
• 25:17
  kvanttilaskennasta uskotaan myös olevan hyötyä hyötyä paljon,
• 25:20
  koska nuo. Noiden simulointi menee taas
• 25:23
  ihan järjettömän monimutkaiseksi ja tavallaan niinku.
• 25:26
  Saavuttamattomissa klassisilla laskennalla.
• 25:29
  Uskotko, että teidän teknologialla voi?
• 25:33
  Toteuttaa tai nähdä jotain tämmöistä.
• 25:37
  Emerghansia tai jotain tällaista uuden luonteen vaikka niinku
• 25:42
  synteesejä. Jos puhutaan vaikka
• 25:44
  synteettisestä biologiasta, niin voidaanko teidän menetelmällä
• 25:47
  myös luoda jotain täysin uutta uusia rakenteita ja ainesosia
• 25:53
  vaikka kemiassa tulevaisuudessa? No, no kemiassa ei ehkä
• 25:57
  niinkään, että tuossa on. Tuossa on.
• 26:00
  Tuossa on muutama näkökulma. Mikä on mahdollista, että yksi
• 26:05
  on esimerkiksi materiaali tieteisiin eli puhutaan niin
• 26:08
  sanotusta inversiongelmista. Eli lähdetäänkin sen sijaan,
• 26:12
  että lähdetään siitä, että tässä on mun design.
• 26:13
  Tässä on mun materiaalit minkälainen output siitä tulee.
• 26:17
  Lähdetäänkin toisesta suunnasta. Mä haluan tällaisen outputin mun
• 26:19
  laitteesta. Minkälainen design ja
• 26:23
  minkälaiset materiaaliparametrit mahdollistaa sen niin
• 26:27
  tämäntyyppisiä ongelmia voidaan ratkoa ja sitten toinen on
• 26:31
  tietysti jos miettii niin kuin isommassa kuvassa.
• 26:36
  Esimerkiksi generatiivisen designin työkalut, joita
• 26:39
  käytetään jo paljon vaikka mekaniikkamallissa, että jos
• 26:42
  halutaan joku tietty kappale etenkin avaruusteknologiassa
• 26:45
  paljon käytetty, niin mikä on kevyin mahdollinen muoto tälle
• 26:49
  kappaleelle, jotta sillä on edelleen ne vaativat vaaditut
• 26:52
  lujuus ja vaikka lämpömalli ominaisuudet ja tuon yleensä
• 26:57
  yhteispeli ja simulaatioiden kanssa.
• 26:58
  Eli tavallaan lähdetään itse roimaan.
• 27:01
  Sieltä vaatimuspuolelta. Simuloidaan sitä mallia ja
• 27:05
  johdetaan data takaisin sinne generatiivisen designin
• 27:08
  algoritmeille, jolloin lopulta päästään niinku tyypillisesti
• 27:10
  semmoiseen muotoon mitä ihminen ei olisi ikinä voinut keksiä.
• 27:14
  Eli sieltä tulee aika mielenkiintoisen näköisiä
• 27:16
  häkkyröitä välillä. Joo voin uskoa.
• 27:19
  Ja toki toi voi olla muutenkin kuin pelkkää sen laitteen
• 27:22
  geometriaa tai topologiaa, että se voi olla myös myös jotain
• 27:25
  niin kun muita ominaisuuksia mihin generatiivista designia
• 27:28
  voidaan hyödyntää. Joo joo.
• 27:31
  Jos puhutaan superjohteista niin nostettaisiin sulle sen
• 27:35
  esimerkin, että mikä rooli niillä on fuusiossa
• 27:38
  fuusioenergiassa. Onko superjohteet jotenkin
• 27:42
  niinku muutenkin avainasemassa näissä simulaatioissa vai
• 27:46
  liittyykö ne enemmän sinne fuusioenergiaan?
• 27:49
  No joo, kyllähän superjohteilla on toki paljon
• 27:53
  käyttötarkoituksia ja ne laajenee jatkuvasti.
• 27:57
  Koko ajan kehitetään uusia materiaaleja mitkä mahdollistaa.
• 28:02
  Suprajohtavan materiaalin olevan edelleen suprajohtavaa
• 28:05
  korkeimmissa lämpötiloissa. Eli ne aikaisemmathan oli
• 28:07
  semmoisia, että oltiin hyvin lähellä absoluuttista
• 28:10
  nollapistettä, jolla se suprajohtavuus saavutettiin,
• 28:13
  mutta mark levy junat käyttää näitä.
• 28:17
  Siellä tarvitaan voimakkaita magneettikenttiä ja virtoja
• 28:20
  nopeuksien saavuttamiseen. Hiukkaskiihdyttimissä on paljon.
• 28:27
  Sitten magneettikuvauslaitteet on tämmöinen niinku arkinen.
• 28:30
  Mitä aika monikin meistä on kohdannut?
• 28:31
  Missä on tyypillisesti se magneettikenttä luodaan
• 28:33
  superjohteiden avulla? Ei aina, mutta monesti näin on.
• 28:38
  Ja mun mun fuusio fuusio on toki niin kun se on ollut meillä
• 28:42
  semmoinen. Missä ollaan oltu oltu eniten
• 28:45
  mukana näistä ja tottakai sitten jos jos jonain päivänä saadaan
• 28:50
  se niin kun tämän teknologian graalin malja eli eli
• 28:54
  huoneenlämmössä toimiva suprajohde niin.
• 28:57
  Sehän ne mahdollisuudet sen sen käytön suhteen on sitten
• 29:01
  valtavat, koska se käytännöllisyys, käytännöllisyys
• 29:04
  paranee niin paljon kun sitä ei tarvitse jäähdyttää sinne
• 29:06
  johonkin miinus. 150 celsiusasteeseen.
• 29:13
  OK ja tuosta pakko vielä sanoa se, että se on yksi just mikä
• 29:17
  tekee fuusioenergiasta niin erityisen haastavaa kun sulla
• 29:19
  on. Muutaman miljoonan asteen
• 29:22
  plasmamöykky ja sitten sulla on suprajohtajat superjohtavat
• 29:25
  magneet joka pitää olla. -140 astetta.
• 29:29
  Toisella puolella muutaman miljoona astetta.
• 29:32
  Elikkä tätä lämpötilaahan ei pysty ylläpitämään kovin
• 29:37
  pitkään, koska kaikki muu ympärillä sitten sulaisi.
• 29:40
  Vai onko se niinku tyyliin niinku muutama milli sekunnin
• 29:44
  mitä sitä lämpötilaa vai mitata siinä?
• 29:47
  No käsittääkseni tällä hetkellä isompia haasteita on jossa
• 29:50
  jossain määrin se plasma vakautus nimenomaan sen
• 29:53
  magneettikentän avulla, mutta että ja sehän onkin, että se
• 29:56
  fuusioreaktio on kyetty pitämään hengissä vai jotain
• 29:58
  millisekunteja? En mene takuuseen näistä ajoista
• 30:03
  en ole. En ole fuusioenergian paras
• 30:05
  asiantuntija, mutta tätä luokkaa että että saatu tavallaan
• 30:08
  energiaa sieltä aikaiseksi, mutta varmasti on se lämpötila.
• 30:11
  Haaste on iso, mutta mä en sitten taas ihan tarkasti
• 30:14
  ymmärrä sitä sitä fysiikkaa siinä ja ja niitä haasteita sen
• 30:19
  niin kuin plasman lämpötilan ylläpito.
• 30:23
  Jutellaan vielä tästä teidän teknologiasta, mutta sellaisen
• 30:27
  paljon kommentti, että kun. Eräiden arvioiden mukaan meillä
• 30:31
  on kaupallisia sovelluksia fuusioenergian puolella.
• 30:35
  Ehkä niinku 2040 puolella. En tiedä ehkä 2050 vasta
• 30:40
  sellaiset niinku todella toimivat sovellukset.
• 30:42
  Tää on vaan arvio, niin te olette lähtenyt tähän erittäin
• 30:46
  kunnianhimoiseen projektiin mallintamaan fuusioenergiaa,
• 30:50
  niin tässä on todella pitkä sijoitus horisontti näissä
• 30:53
  projekteissa. Uskoisin niin miten te oikein
• 30:57
  pystytte rahoittamaan tällaista toimintaa, joka on todella
• 31:00
  pitkäjänteistä kun tavallisesti sijoittajat sanoisi, että tässä
• 31:04
  on liian pitkä aika huolissaan. Tää ei ole kannattavaa.
• 31:07
  No se on se on sinänsä niinku meidän näkökulmasta, että tää
• 31:10
  tää ongelmahan on enemmän niillä yrityksillä, jotka varsinaisesti
• 31:13
  valmistaa niitä fuusioreaktoreita.
• 31:15
  Mutta sitten esimerkiksi commonvalt futon systems
• 31:18
  yhdysvalloissa on nostanut nyt. Kolmisen miljardia rahoitusta
• 31:24
  proxym of fution saksassa teki euroopan isoimman
• 31:26
  fuusiorahoituskierroksen eli 200 miljoonan kierrosta.
• 31:29
  Tässä ihan vastikään. Ja on useita fuusioenergia niin
• 31:35
  skeilappoja, jotka on kymmeniä miljoonia nostanut raahdusta,
• 31:39
  jolloin niinku meidän näkökulmasta he on meidän
• 31:41
  asiakkaita niin tai tän. Asiakkaat on valmiita maksamaan
• 31:44
  teidän palvelusta. Tiedät syitä.
• 31:45
  Joo joo kyllä kyllä. Palataan hieman näihin mames
• 31:52
  laitteisiin otetaan tangentti. Takaisin niin minkälaisia siis
• 31:56
  mistä näistä mams laitteista on oikein kyse?
• 31:59
  Jos otetaan perustermistä haltuun kuitenkin.
• 32:02
  Joo eli kerrotaan vielä lyhenee ja se on microelectrop uh me
• 32:07
  canical system eli mikroskooppisen pieni
• 32:10
  sähkömekaaninen laite ja. Mikä niissä on tosiaan yhteistä
• 32:16
  on, että ne valmistetaan ikään kuin puolijohdon
• 32:18
  valmistusmenetelmällä pii kiekolle tämmöisellä laser
• 32:21
  ethauslaitteilla. Mutta eroavaisuuksia puhtaisiin
• 32:25
  puolijohteisiin on se, että siellä on mekaanisia
• 32:28
  komponentteja eli vaikka kiihtyvyysanturi tai
• 32:32
  kyroskooppi, siellä on tämmöisiä liikkuvia levyjä, jotka ikään
• 32:37
  kuin toimii sen liikkeen sensorina, jolla saadaan
• 32:39
  havaittua ne kiihtyvyydet tai eri asennot.
• 32:43
  Missä tää laite on? Automaailmasta tuttuja lidareita
• 32:48
  eli näitä laser lasertutkija. Se perustuu myös
• 32:53
  meams-laitteisiin ja siellä on optista mamsiä.
• 32:55
  Siellä on pieniä mikrobeilejä, joiden avulla sitä lasersäädettä
• 32:58
  hallitaan ja myös luetaan sisään sitä niinku heijastuvaa dataa.
• 33:05
  Löytyy. Mikrofoneja.
• 33:08
  Ultraäänilaitteita. Eli jos menet lääkäriin ja
• 33:12
  ultraäänellä kuvataan niin se sensori siellä se on tämmöisiä
• 33:17
  niin sanottuja ultraäänisensoreita, jotka on
• 33:20
  meidän teknologiaan pohjautuvaa. Uutena on tulossa nyt.
• 33:25
  Esimerkiksi mems kaiuttimet eli puhtaasti puolijohdeteknologiaan
• 33:29
  pohjautuvat kaiuttimet, joilla. Mä oon itse asiassa päässyt
• 33:33
  kuuntelemaan sellaista, niin se on aika aika uskomattoman
• 33:36
  erotteleva se äänenlaatu. Pystyssä tavallinen ihminen
• 33:39
  niinku minään erottamaan sen äänen laatua tavallisesta
• 33:42
  kajarista. Mä en ole mikään hirveän
• 33:43
  hifistelijä, että mulla on. Mulla on niinku applen airbnb
• 33:48
  mitkä mun mielestä kuulosti tosi hyvältä, mutta kyllä mä huomasin
• 33:51
  sen eron että siinä on siinä on tiettyä sellaista niinku
• 33:53
  dynamiikkaa mikä erottuu ja sitten tietysti etuna siinä
• 33:56
  että. Kun se valmistus pohjautuu
• 33:58
  puolijohdeteknologiaan noin edullisempia niitä on.
• 34:01
  Niitä on edullisempi valmistaa ja.
• 34:07
  RF mems on yksi eli niin kun. Jokaisen puhelimessa on
• 34:12
  tällaisia komponentteja jotka suodattaa 5 g 6 g signaalia.
• 34:16
  Ja tavallaan valitsee sen halutun kaistan leveyden.
• 34:18
  Sieltä pohjautuu myös meidän teknologiaan, että niitä on
• 34:22
  valtavasti. Jokaisen matkapuhelimessa on
• 34:25
  tusinoittain erilaisia meams-laitteita.
• 34:27
  OKOK eli se on kuitenkin sellainen kattotermi.
• 34:31
  Sehän näyttää niinku mikropiiriltä eli se on
• 34:33
  kuitenkin. Se on paketoitu niin se
• 34:35
  käytännössä se härveli upotetaan sulaa muoviin ja paketoidaan eli
• 34:39
  se näyttää ihan tavalliselta mikrosirulta.
• 34:42
  Sinänsä monesti ne voi olla vähän pienempiä ja sitten
• 34:44
  tietysti jos joku ultraääni sensori niin no se nyt ei ihan
• 34:47
  suoraan näytä, koska siinä pitää olla tavallaan kanavat mistä se
• 34:50
  ultraäänisignaali tulee ulos. Ja mistä ei saada vaikka sisälle
• 34:55
  mutta. Joo että sinänsä niin kun.
• 35:00
  Mekaanisia osia sisältävä, joka joka tehdään sillä niinku laser
• 35:04
  laseriin pohjautuvalla ja tavallaan piikkiekon päälle
• 35:08
  ikään kuin ladotaan. Sitten erilaisia materiaaleja
• 35:10
  kerroksissa ja sitten laserilla. Edistyneiden laserteknologialla
• 35:14
  saadaan ne halutut muodot sinne aikaiseksi, että se on se
• 35:18
  valmistusteknologia menee täysin yli mun hilseen se on ja mun
• 35:21
  mielestä tää on uskova. Uskomatonta teknologiaa, samoin
• 35:24
  kuin ylipäätään puolijohdevalmistusteknologia
• 35:27
  missä mittakaavassa pystytään niinku rakenteita tekemään pi
• 35:30
  kiekolle on käsittämätöntä. Mutta joo, tuo on niinku että
• 35:37
  siellä puolijohdeteknologian sateenkaaren alla ikään kuin on
• 35:40
  myös tää mams-teknologia ja ihan.
• 35:43
  Se on se on, se on hauska siis jokainen käyttää näitä.
• 35:46
  Jokaisen laitteissa on näitä, mutta harva on itse asiassa
• 35:49
  kuullut koko termiä, että puolijohtaja sinänsä kaikki
• 35:51
  tietää, mutta. Se on totta ja jos me kasataan
• 35:55
  hirveä määrää erilaisia tämmöisiä maps mens antureita ja
• 35:59
  niistä hyödynnetään dataa, niin sitä voi myös tavallaan
• 36:03
  hyödyntää näissä teidän simulaatioissa.
• 36:06
  Onko tässä se idea? Joo, tai oikeastaan me ollaan
• 36:09
  enemmän sillä puolella, että me meidän asiakkaita on sitten taas
• 36:12
  yritykset, jotka suunnittelee näitä meams-laitteita.
• 36:15
  Aa toki osa asiakkaista myös simuloi sitä itse
• 36:18
  käyttökohdetta, että jos otetaan.
• 36:23
  No esimerkiksi infe on on on tämmöinen.
• 36:26
  He toimittaa paljon autoteollisuudelle, mut heillä
• 36:28
  on toki paljon muitakin, niin he käyttää meidän teknologiaa
• 36:30
  nimenomaan ton ultraäänisensoreiden
• 36:33
  valmistukseen, joita voidaan käyttää vaikka auton
• 36:35
  pysäköintitutkissa tai lääketieteen laitteissa tai tai
• 36:38
  jossain. No hyvin monissa eri eri
• 36:42
  teknologioissa esimerkiksi puhelimen sormenjälkitunnistin.
• 36:46
  Toimii tyypillisesti ultraääniteknologialla eli
• 36:48
  sellaisen lasiruudun läpi lukee. Se on tosi joo OK
• 36:52
  mielenkiintoista. Joo ultra ultraääntä voidaan
• 36:55
  käyttää aika monipuolisesti, että se on se kaikki tietää
• 36:59
  yleensä jotain lääketieteen käyttötarkoitusta.
• 37:01
  Se on totta, sillä on sitten on myös tämmöistä niin kuin NDT eli
• 37:04
  nondysfractive testing millä lähdetään vaikka johonkin
• 37:07
  isoihin valmistettaviin rakenteisiin ultraisignaaleja ja
• 37:10
  sen sensorin kaikujen perusteella voidaan tutkia onko
• 37:13
  siellä rakenteessa vikoja. Ja.
• 37:17
  Todella jännää se missä sitten taas meidän teknologia tuossa
• 37:20
  loistaa. On toki se kyvykkyys, että
• 37:22
  yleensä kun ultraäänitelaitteissa on
• 37:24
  puhutaan kuitenkin akustisesta signaalista ja sitten heillä on
• 37:27
  yleensä kiinnostunut hyvin laajasta niin kun
• 37:29
  taajuuskaistasta, niin siinä tulee just tää rinnakkaisuus
• 37:33
  vahvuudeksi eli voidaan tehdä ikään kuin niinku taajuus
• 37:35
  pyyhkäisyä siinä simulaatiossa, koska simuloinnissa jokainen
• 37:38
  taajuus täytyy mallintaa erikseen.
• 37:40
  Miten se laite käyttäytyy sillä? Niistä voidaan nopeuttaa
• 37:43
  huomattavasti ja sitten jos nyt vielä pysytään tässä ultraäänen
• 37:47
  parissa, että toki on etuja noissa niinku muissakin
• 37:50
  kohteissa vastaavalla tavalla. Mutta.
• 37:54
  Ultraääni vaikka nyt lääketieteen ultraäänilaitteessa
• 37:56
  niin siellä ei ole yksi ultraäänisensoria vaan siellä on
• 37:58
  yleensä. Vaikka 200 niitä semmoisessa
• 38:02
  niinku matriisimuodossa. Ja sitten kun.
• 38:07
  Millä tahansa kilpailijalla voidaan simuloida se yksi laite,
• 38:09
  mut sitten kun mennään 200 laitteen kokonaisuuteen niin
• 38:12
  sitten se kompleksisuus kasvaa todella isoksi ja siinä tulee
• 38:15
  tämmöistä niinku no akustiikassa ja ylipäätään tällaiseen
• 38:18
  erilaiseen niinku mikähän se mahtaa suomeksi olla, mutta
• 38:20
  cross talk ilmiöitä ennen sensorit itse asiassa vaikuttaa
• 38:24
  toisiinsa ja sitten aletaan puhuu aika laajasta
• 38:29
  simulointimallissa missä sitten taas se meidän meidän
• 38:31
  skaalautuvuus tulee eduksi. Kyllä.
• 38:34
  No entä jos mietitään muita elämänalueita jotka on ehkä
• 38:40
  vähän pehmeämpiä esimerkiksi ihmisten käyttäytyminen.
• 38:45
  Kansantalous ja tämmöiset yhteiskunnalliset asiat, niin
• 38:49
  voidaanko niitäkin tulevaisuudessa simuloida?
• 38:52
  Ei nää ratkaisuilla. Jossa noudattaisi fysiikan
• 38:55
  lakeja niin kyllä, mutta kun ei oikein ne tule vain noudattamaan
• 39:01
  niin ei ei varsinaisesti tuo menee.
• 39:03
  Tuo menee vähäsen ohi. Mitä me tehdään, että me ollaan
• 39:08
  ollaan pysytty aika aika puhtaasti siellä niinku fysiikan
• 39:11
  lakeja noudattavien ilmiöiden simuloimisessa.
• 39:14
  Mutta jos joku teidän perusteista yksi paljon
• 39:17
  sanoisin, että nyt mä haluankin simuloida ihan jotain muuta,
• 39:19
  niin mitä sijoittajat sanoisi, mitä mitä luvat?
• 39:23
  No. Varmaan jos meillä olisi
• 39:25
  osoittaa, että meidän teknologiaa voidaan jotenkin
• 39:27
  hyödyntää siinä ja ja tota sillä olisi iso markkina.
• 39:33
  Niin miksei? Ja totta kai tulevaisuudessa on
• 39:38
  mahdollista että. Mikäli niinku meidän yritys
• 39:42
  kasvaa, tulee toisenlaisia tuotteita siihen niinku
• 39:47
  nykyiseen simulointiratkaisun rinnalle, joilla voi olla
• 39:50
  erilaisia käyttötapauksia. Mutta.
• 39:52
  En osaa vielä sanoa mitä nää voisi olla.
• 39:55
  Joo aika näyttää. No olisiko nämä simulaatiot
• 40:01
  mahdolliseen ilman pilvilaskentaa?
• 40:04
  No tässä on monta esimerkkiä käyty läpi, jotka ei ole
• 40:07
  mahdollisia, että se se vaatii ehdottomasti sen kyvykkyyden
• 40:12
  ensinnäkin. Ajaa kertaluokkaa suurempia
• 40:15
  malleja järkevässä ajassa ja sitten tuota.
• 40:21
  Monissa tapauksissa kyvykkyyden myös ajaa useita simulaatioita
• 40:25
  samanaikaisesti, että saadaan se haluttu lopputulos.
• 40:29
  No ehkä sen verran voi koodata, että mahdollisia on voimakas
• 40:32
  sana, mutta käytännöllisiä ilman että tuloksia täytyy odotella
• 40:36
  viikkoja tai kuukausia. Niin hei mutta.
• 40:39
  Periaatteessa voisi simuloida. Vähän heikollakin koneella,
• 40:44
  mutta se vaan voisi sanoa aikaa, vai?
• 40:47
  No heikolla koneella ei suoraan, koska tyypillisesti se muistin
• 40:50
  kulutus. Tulee pullonkaulaksi.
• 40:53
  Eli kyllä noi isoimmat simulaatiot mitä me on tehty
• 40:55
  niin puhutaan niinku että täytyy olla. 2 30 terotavua muistia.
• 41:04
  OK se on varsin paljon. Joo tuo nimenomaan se
• 41:09
  elementtimenetelmä mitä me käytetään on on tota
• 41:13
  kohtuullisen muistisyöppä, että se on just ne isot matriisit vie
• 41:16
  vie paljon paljon muistia työmuistia laskettaessa.
• 41:22
  No miten teidän asiakkaat käytännössä pääsee kiinni teidän
• 41:27
  ratkaisuihin sanotaan, otetaan vaikka esimerkiksi.
• 41:31
  No otetaan joku realistinen esimerkki sellaisesta
• 41:34
  asiakkaasta, joka voisi oikeasti hyötyä tästä niin kuvitellaan
• 41:38
  että mä olen se asiakas. Mä oon tehnyt näitä
• 41:40
  simulaatioita labrassa nyt vaikka autonvalmistaja tuuli
• 41:45
  tummeli niin. Nyt te tulette ja sanotte, että
• 41:50
  te voitte te sanoa paljon paljon tehokkaammin, niin mä sanon
• 41:54
  tästä taas niin mitä te tarvitsette multa ja mitä mä
• 41:57
  ylipäätään voin. Siis miten se toimii?
• 42:00
  Annanko mä teille täytät valtuudet teidän toteuttaa sitä
• 42:04
  vai pitääkö mun asiakkaana jotenkin valmistella dataa ja ja
• 42:09
  ja siis mun infraa, että mä voin itsenäisesti käyttää teidän
• 42:13
  tuotetta. Ei tarvitse eli se on.
• 42:16
  Se on sausratkaisu eli kaikki kaikki pyörii meille meidän
• 42:20
  houstaamassa pilvessä. Totta kai me voidaan myös
• 42:23
  isoille asiakkaille tarjota ikään kun tämmöinen self host
• 42:26
  ratkaisu, jossa he kontrolloi täysin sitä sitä ympäristöä
• 42:29
  missä simulaatiota ajetaan ja moni iso tämmöinen yritys
• 42:34
  haluaakin näin tehdä, että heillä saattaa olla ihan
• 42:36
  politiikat siihen. Mutta miten toi tyypillisesti
• 42:39
  lähtee? Niin.
• 42:42
  Ensimmäisessä keskustelussa tietysti niinku validoidaan
• 42:45
  sitä, että se heidän ongelma on teknologisesti ratkaistavissa.
• 42:49
  Meidän tuotteella, mutta validoidaan myös sitä, että sen
• 42:52
  ongelman ratkaiseminen on on heille niin kun bisneksen
• 42:55
  kannalta järkevää ja sitten tyypillisesti lähdetään siihen,
• 42:59
  että rakennetaan joku demomalli mikä on.
• 43:04
  Yksinkertaistettu versio siitä heidän ongelmasta, mutta
• 43:07
  kuitenkin semmoinen joka osoittaa sen, että joo tää
• 43:09
  voidaan tehdä ja tällä saadaan tuloksia ja se performoi hyvin
• 43:14
  ja. Sitten yleensä asiakas siirtyy
• 43:18
  tästä, että se voi olla joku tämmöinen niinku kaupallinen
• 43:21
  pilotti. Tai sitten se voi olla ihan
• 43:22
  joissain tapauksissa tämmöinen. Esimerkiksi 2 viikon triali,
• 43:26
  missä he taas sitten itse koittaa koittaa rakentaa niitä
• 43:29
  malleja omaa dataansa pohjautuen ja jos kaikki menee niinku
• 43:33
  elokuvissa, niin sitten näiden näiden askelten jälkeen he on he
• 43:37
  on meidän asiakas ja käyttää sitä sitten niinku itsenäisesti.
• 43:41
  Tottakai me tarjotaan tukea ja apua siihen ja monissa
• 43:45
  edistyneissä. Keisseissä sitten sitä tukea
• 43:47
  saatetaan tarvita enemmän tai vähemmän, että meidän insinöörit
• 43:50
  on sitten auttamassa niiden mallien rakentamisessa ja.
• 43:54
  Depukkaamassa, jos siellä on jotain ongelmia.
• 43:56
  Mut onko teillä ratkaisu teollisuuden ala-agnostinen niin
• 44:02
  sanotusti että. Myös siis jos olette tehnyt
• 44:07
  vaikka töitä autonvalmistajien kanssa niin ilmenee että siellä
• 44:10
  on avioonikan puolella esimerkiksi lentokoneen
• 44:13
  valmistajalla tarvetta. Niin kuinka helposti te voitte
• 44:17
  niinku joustavasti adoptoida sitä uutta asiakasta tai tän
• 44:20
  puoltaa joka tulee täysin huutolta toimialalta.
• 44:25
  Toimialojen sisällä voi olla paljon, että esimerkiksi
• 44:27
  autoissa ja lentokoneissa voi olla samantyyppisiä sensoreita
• 44:29
  ja sitten voi olla niinku samantyyppisiä toimittajia,
• 44:32
  jotka näitä niille suunnittelee, niin se riippuu tosi paljon
• 44:35
  siitä käyttötapauksesta, että meidän alusta on sinänsä
• 44:39
  tommoinen niinku aika fysiikka simuloi linkkuveitsi et sillä
• 44:42
  voi tehdä tosi monen tyyppisiä eri malleja.
• 44:46
  Mutta eri aloilla on siellä. Saattaa olla erilaisia candy
• 44:50
  formaatteja. Siellä saattaa olla hyvin
• 44:52
  erilainen prosessi sen niinku työnkulun suhteen hyvin
• 44:56
  erilaisia tapoja automatisoida tommoista simulointiprosessia
• 45:00
  niin ne aiheuttaa sitten toki semmoisia niin kuin että me ei
• 45:05
  ihan suinpäin niin kuin voida mennä täysin uudenlaisiin
• 45:08
  käyttötapauksiin, vaan se vaatii jonkin verran niin kuin
• 45:10
  tutkiskelua, että alusta ei sinänsä yleensä tarvitse
• 45:13
  räätälöidä yhtään, mutta täytyy ymmärtää ne asiakkaan ongelmat
• 45:18
  ja sitten niinku totta kai meillä täytyy myynnllisesti olla
• 45:20
  mielellään hyviä esimerkkejä. Koska esimerkiksi nyt tuolla
• 45:25
  mems-puolella niin mä mainitsin sen, että miten tehdään yleensä
• 45:28
  se yksinkertainen teema. Me harvoin tarvii ms puolella
• 45:31
  tehdä sitä demoa, koska meillä on kattava kirjasto omia demoja.
• 45:34
  Me voidaan tavallaan suoraan sieltä heittää.
• 45:35
  Tossa on pari esimerkkiä jotka on lähes vastaavia kun se teidän
• 45:41
  ongelma niin kaikki nää on sitten semmoisia mitkä toki.
• 45:46
  Vie aikaa ja ihan niinku bisnesmielessä.
• 45:54
  Täällä täytyy tuottaa paljon niin kun se on aika sisältö
• 45:58
  pohjasta markkinointia eli. Eli tota se, että puhuu
• 46:02
  geneerisesti siitä, että nyt on niinku mahtava multa fysiikka
• 46:05
  simulointi täällä voi simuloida tämmöisen ja tommoisen fysiikan,
• 46:08
  niin sen sijaan sun pitää puhua siitä, että tässä on esimerkki
• 46:12
  kiihtyvyysanturi-simulaatiosta. Koska se puhuttelee sitten taas
• 46:17
  niitä asiakkaita ja niitä mahdollisia käyttäjiä että OK
• 46:19
  toi just se mun ongelma mitä he pystyy ratkomaan ja sitten taas
• 46:24
  kun niitä erilaisia käyttötapauksia on niin
• 46:26
  valtavasti niin se vaatii aina niinku panostusta ja
• 46:29
  investointeja meiltä, että me tavallaan niinku.
• 46:31
  Luodaan sitä sisältöä, mikä on relevantti asteen uusissa
• 46:34
  käyttötapauksissa. Kyllä, mutta oletko
• 46:37
  tulevaisuudessa sellainen ideaalitilanne, että teillä
• 46:40
  olisi? Sellainen todella
• 46:42
  käyttäjäystävällinen ratkaisu, joka soveltuisi melkeinpä
• 46:47
  automaattisesti alaan kuin alaan, että se olisi tavallaan
• 46:50
  niinku sellainen. Todella todella fiksu chat GPT,
• 46:55
  johon voi subottaa kaikkea dataa ja pyytää sitä simuloita.
• 47:00
  Vai onko tää realistinen? On on se realistinen ja tottakai
• 47:04
  siis meidän kilpailijatkin niinku vie kohti tuota että
• 47:08
  tuossa. Me käytetään tuossa termiä niin
• 47:11
  kuin engginering i eli AI työkaluja erilaisia AI agentteja
• 47:15
  jotka helpottaa. Sen ratkaisun käyttöön.
• 47:18
  Eli jos sinänsä niinku teoriassa, että jos sulla on.
• 47:23
  Kattava. Fysiikkadokumentaatio ja
• 47:26
  kattavasti eri käyttötapauksia, niin vaikka ihan niinku
• 47:29
  promptaamalla pystyisi tekemään sen alustavan mallin eli kaikki
• 47:34
  ne fysiikan reunaehdot ja kaikki tämmöiset tulisi tulisi ikään
• 47:38
  kuin chat GPTN avulla että. Puhutaanko vähän tekoälyn
• 47:43
  käytöstä? Simuloinnissa puhuu tällainen.
• 47:46
  Minkälainen merkitys sillä on, onko se sitä samaa tekoälyä,
• 47:50
  mikä hypättää tai on hypättänyt tässä jo muutaman vuoden ajan
• 47:55
  LMT ja kielimallit? Vai onko se jotain muuta
• 47:57
  tekoälyä? On ja ei, eli siinä on jos jos
• 48:02
  niinku korkealla tasolla lähestyy että miten tekoälyä
• 48:07
  hyödynnetään simuloinnissa, niin mä tossa äsken mainitsinkin
• 48:10
  enginnering AI eli kaikki mahdolliset työkalut jotka
• 48:12
  helpottaa insinöörin käyttöä ja siihen liittyy LLM.
• 48:15
  Aika vahvasti että sulla voi olla just tämmöinen niin kun
• 48:18
  tekoälypohjainen assistentti joka auttaa sua tai
• 48:22
  määrittelemään reunaehdot auttaa määrittelemään sitä
• 48:24
  simulaatiomallia. Esimerkiksi mitä meilaan?
• 48:29
  No meillä on tämä, sitten meillä on tämmöinen LLN pohjainen
• 48:35
  anomalia tunnistus eli jokaikiseen simulaatiomalliin
• 48:39
  syötetään yleensä valtava määrä parametrejä ja.
• 48:44
  Niissä on aika helppo tyriä, että laitat vaikka pilkun
• 48:46
  väärään paikkaan. Otetaan nyt esimerkki, että
• 48:49
  tämmöinen niinku helppotajuinen että.
• 48:53
  Määrittelet painovoiman kiihtyvyyden, että se onkin
• 48:55
  niinku 980 m/s toiseen sen 9 piste 81 m/s toiseen.
• 48:58
  Sulla on pilkku väärässä paikassa.
• 49:00
  Siinä on hirvittävän vaikea huomata ja sitten sä ajat
• 49:04
  valtavan määrän simulaatioita. Data on pielessä.
• 49:06
  Se voi olla myös tosi vaikea depukata, että mikä täällä
• 49:09
  mättää totta, koska sinänsä niinku kaikki toimii, mutta
• 49:12
  tulokset vaan on outoja. Ja tota se meidän
• 49:18
  anmaliatunnistin on koulutettu valtavalla määrällä meidän
• 49:23
  demosimulaatiodataa, jolloin tuossa tilanteessa sen huomaisi,
• 49:26
  että hei tää arvo näyttää oudolta.
• 49:28
  Haluatko tarkistaa että oletko? Oletko varma että se on oikein?
• 49:33
  Tai sitten taas materiaaliparametreissa.
• 49:36
  Meillä on tämmöinen. No just tulossa.
• 49:40
  Semmoinen että voi voi sanoa että mun materiaali on nyt
• 49:44
  vaikka alumiinia ja se antaa kaikki ne niinku fysikaalisesti
• 49:48
  merkitykselliset materiaaliarvot sille suoraan siihen
• 49:52
  simulaatioon mikä on siitä on olemassa paljon tietokantoja ja
• 49:57
  l, llä mitä on onneksi koulutettuna tietokannoilla,
• 49:59
  niin niillä on aika kattava tieto ja ne on yleensä niinku
• 50:01
  kohtuullisen oikeita, että meidän insinöörit käyttää tota
• 50:03
  nykyään manuaalisesti jatkuvasti että.
• 50:06
  L, llä kysytään että anna mulle joku järki järkevät niinku
• 50:08
  reuna-arvos se. On siis joku kustomuoto arvo?
• 50:12
  Meillä on just tulossa tuohon nyt sitten kustomoiduun, että se
• 50:14
  on suoraan upotettu, että niinku tämän tyyppisiä.
• 50:16
  Ja totta kai se tulevaisuudessa on paljon kaikkea.
• 50:20
  No yksi yksi iso ongelma simulaatiossa on se, että kun sä
• 50:22
  saat sen carry-mallin suunnittelijalta, niin siellä on
• 50:27
  tyypillisesti. Joka ikinen ruuvi ruuvinkierteet
• 50:32
  siellä saattaa olla firman logo siinä laitteen kyljessä.
• 50:36
  Nää kaikki on sen simulaation kannalta yleensä täysin
• 50:39
  merkityksettömiä asioita, mutta ne monimutkaistaa sitä laskentaa
• 50:43
  valtavasti, niin uskotaan, että AN avulla voidaan esimerkiksi
• 50:48
  helpottaa sitä, että se automaattisesti siivoaa sitä
• 50:50
  mallia, kun nykyään se on yleensä käsityötä, että
• 50:52
  poistetaan sieltä tavallaan niinku sen fysiikkamallin
• 50:55
  kannalta turhat asiat. Niin ton ton tyyppisiä asioita,
• 50:57
  jotka helpottaa sen tuotteen käyttöä.
• 51:00
  Joo. Ja sehän liittyy monessa kohtaa
• 51:03
  asti ihan LLN teknologioihin. Mutta tää on tavallaan sellaista
• 51:07
  niinku ennakoivaa käyttöä niin sanotusti, että me niinku
• 51:11
  tarkistamaan että mitä dataa me tarvitaan.
• 51:13
  Onko sisään tuleva data kunnossa, mutta entäs se
• 51:16
  generatiivinen puoli? Voitteko te jotenkin hyötyä että
• 51:19
  siis niinku luoda ihan jotain niinku synteettistä dataa vaikka
• 51:23
  LLMN avulla jossa olisi hyötyä simulaaineessa?
• 51:27
  No se varmaan menee enemmän sitten sinne generatiivisen
• 51:30
  designin puolelle, eli tavallaan luoda niitä variantteja siitä.
• 51:36
  Siinä tota simuloitavasta kohteesta.
• 51:40
  Niin se siellä on mahdollisuuksia ja on itse
• 51:43
  asiassa firmoja, jotka on ihan erikoistunutkin tähän, että
• 51:45
  genertiivisen designin työkaluja ja tätähän voidaan käyttää taas
• 51:50
  syötteenä. Sitten meidän meidän ratkaisuun
• 51:52
  ja itse asiassa tossa siinä on semmoinen, hyvä hyvä
• 51:56
  tietynlainen, niin kun synergiakin tossa välillä, koska
• 52:00
  genartiivinen design pumppaa helposti niinku valtavan määrän
• 52:03
  erilaisia yhdistelmiä. Toki se voi olla myös ihan
• 52:06
  perinteistä optimointi algoritmia, että mulla on nää
• 52:08
  suunnitteluparametrit ja annan niistä iso määrä yhdistelmiä.
• 52:12
  Jollain järkevällä optimointialgoritmilla, mutta
• 52:15
  joka tapauksessa siitä siitä syntyy niin kun iso määrä
• 52:19
  erilaisia desigeja simuloitavaksi ja siinä on
• 52:22
  sitten taas se rinnakkaisuus ja skaala on on on niinku meidän
• 52:24
  vahvuus. Mutta ehkä se ei liippaa ihan
• 52:30
  suoraan generatiiviseen AI hin, mutta toki on sitten semmoinen.
• 52:35
  No me käytetään termiä niinku simulation IOK eli.
• 52:40
  Jos toi engering i on niin kun siellä voi olla sitä
• 52:43
  generatiivista designia käytön helpottamista, niin tää taas
• 52:47
  sitten liittyy siihen, että miten aina avulla voidaan
• 52:50
  itseasiassa nopeuttaa sitä. Itse asiassa simulaatiota.
• 52:54
  Ja siihen on jonkin verran eri eri teknologioita, mutta
• 53:01
  tyypillisesti se menee niin, että.
• 53:04
  Kun airaan simulaatiota niin siitä saadaan niinku
• 53:06
  synteettistä simulaatiodataa ja tällä datalla koulutetaan
• 53:11
  koneoppimismalli. Vaikka tällainen
• 53:14
  neuro-operaattori malli. Joka sitten taas pystyy itse
• 53:18
  asiassa niinku milli sekunnissa arvioimaan sen, mutta se haaste
• 53:23
  mikä tohon liittyy on että tätä dataa toisin kuin vaikka
• 53:27
  tämmöisen geneerisen LMN kouluttamiseen du dataa, niin
• 53:32
  sitä ei ole julkisesti saatavilla.
• 53:34
  Valtavia määriä. Missään ei ole jättimäisiä
• 53:37
  repositorioita simulaatiodataa eli se on iso pullonkaula siinä.
• 53:42
  Ja siksi me ollaan kovin innoissamme siitä, koska meillä
• 53:45
  taas meidän softalla on kyvykkyys tuottaa sitä dataa
• 53:47
  valtavia määriä kustannustehokkaasti ja
• 53:49
  nopeasti. OK että me ollaan nyt
• 53:52
  ensimmäiset demot tosta tehty. Yksi näistä me koulutettiin.
• 53:58
  Tämmöinen neuro-operaattori malli, jonka tehtävä oli
• 54:00
  periaatteessa. No se liittyy ultraäänihen
• 54:02
  tääkin eli ultraäänessä on. Pietarsähkömateriaalia
• 54:08
  piethosähkö on materiaali, joka kun siellä lähdetään vaihto
• 54:12
  virtaa, niin se alkaa värähtelemään sen vaihto virran
• 54:15
  taajuuden mukaisesti OK, jolloin kun sä laitat siihen
• 54:18
  korkeatajuista virtaa, sä saat ulkona niin signaalia ulos eli
• 54:21
  tohon se niinku. Mikä sen mitkä sen sovellukset
• 54:25
  on? Miksi tätä tarvitaan?
• 54:26
  No, sillä sillä saadaan aikaiseksi ultraäänilaitteita.
• 54:28
  Eli onko se just se koska. Niinku perinteisellä kaiutin
• 54:32
  menetelmällä, niin sun on aika vaikea valmistaa tämmöinen
• 54:34
  kaiutin kalvo joka värähtelee vaikka megahertsin taajuudella.
• 54:38
  Onko nää tavallaan sellaisia ensimmäisen sukupolven
• 54:41
  ultraäänilaitteita jotka toimi tällä tavalla niinku
• 54:44
  jälkimmäisellä tavalla? Mä en osaa sanoa mä en ole mä en
• 54:47
  tunne ultraäänen historiaa niin hyvin, mutta tällä hetkellä se
• 54:50
  se. Yleisin teknologia on nimenomaan
• 54:53
  tällainen niinku pietso sähköisen materiaalin, joka
• 54:56
  sitten saadaan värähtelemään värähtelemään ja nimenomaan
• 54:59
  näissä meemi laitteissa eli mikroskooppisempiens koossa.
• 55:01
  No. Pieksäsähkö on hyvin edistynyttä
• 55:06
  materiaalitiedettä, ja siihen materiaaliin liittyy valtavasti
• 55:10
  monimutkaisia ominaisuuksia. Niin tähän liittyen me
• 55:14
  koulutettiin tämmöinen inverssimalli ajamalla 50 000
• 55:17
  simulaatiota. Minuuteissa syötettiin se
• 55:22
  neuro-operaattorimallille, jossa me saatiin lopputuloksena se,
• 55:25
  että se ennustaa nää 10 eri materiaaliparametria 4
• 55:29
  desimaalin tarkkuudella alle milli sekunnissa.
• 55:33
  Pap ja. Mitkä tän käyttökohteet on niin
• 55:37
  jos mennään takaisin vaikka siihen generatiiviseen designiin
• 55:40
  ja että sulla on valtava määrä eri variaatioita niin
• 55:43
  lähtökohtaisesti jos sulla on tarpeeksi monipuolisesti
• 55:45
  koulutettuja ne eurooperaattori malleja, niin niillä on valtavan
• 55:48
  nopea. Tehdä semmoinen karkea arviointi
• 55:52
  vaikka 5000 eri variaatiolle, jolloin saat rajattua sen listan
• 55:56
  sitten vaikka muutamaan 100 joihin sä voit porautua
• 56:00
  syvemmin. Sitten taas oikeilla
• 56:01
  numeerisilla simulaatiomenetelmillä mitkä on
• 56:04
  niin kun validoidusti tarkkaa tarkkaa ja päästään niin kun 4
• 56:08
  desimaalin sijaan. Huomattavasti isompiin harry
• 56:12
  desimaaleja sen tarkkuuden suhteen ja totta kai voidaan
• 56:15
  myös lisätä yksityiskohtaa sitten siihen malliin ja tehdä
• 56:17
  semmoinen niinku aidosti tavallaan digitaalinen
• 56:20
  prototyyppi. Mikä on yksi termi sille
• 56:22
  singulaation lopputulokselle. Mielenkiintoinen tää
• 56:25
  neuro-operaattoriteknologia. Mun täytyy myöntää, että mä en
• 56:29
  ihan vielä nappaa kiinni sitä perusajatusta tässä, että onko
• 56:34
  onko sitä jotenkin mahdollista selittää niinku viisivuotiaalle
• 56:36
  lapselle tai minulle. Mistä siinä on kyse?
• 56:39
  Mä selitän kaiken itselleni niinku viisivuotiaalle niin tää
• 56:42
  kokeillaan eli lähtökohtaisesti. Mitä se saa syötteekseen?
• 56:49
  Koulutus on ne. Reunaehdot mitä on määritelty ne
• 56:54
  fysiikan reunaehdot eli sen ja sen mallin tietysti ja.
• 56:59
  Sitten sen ulostulon eli mikä on simulaation lopputulema ja kun
• 57:03
  näitä datapisteitä on tarpeeksi, niin se muodostaa.
• 57:07
  Tavallaan approksimaatio on siitä numeerisesta
• 57:09
  simulaatiosta. Ja kun se pohjautuu, puhutaan
• 57:14
  neuro-operaattorista, pohjautuu kuitenkin
• 57:16
  neuroverkkorakenteeseen tietyllä tavalla, niin sitten sen jälkeen
• 57:18
  se on lähes reaaliaikaisen nopea, eli siellä ei tarvitse
• 57:21
  oikeasti ratkoa mitään osittaista
• 57:22
  differentiaaliyhtälöitä, vaan se on naps.
• 57:25
  Tulokset on valmiit, mutta. Se on niinku sanottu.
• 57:29
  Se on approksimaatio eli sillä päästään niinku monesti
• 57:32
  tarpeeksi lähelle silloin kun haarukoidaan jotain eri eri
• 57:35
  design-kandidaatteja mut sitten numeerisia tarvitaan yleensä
• 57:38
  kuitenkin vielä tarkentamaan tätä ja tottakai sen laatu
• 57:42
  riippuu täysin siitä koulutusdatasta, eli se on aika
• 57:44
  semmoista niin kun käyttötapausspesifiä että
• 57:47
  koulutetaan nyt nimenomaan vaikka tätä tiettyä tiettyä tota
• 57:52
  niin niin. Fysikaalista ominaisuutta
• 57:56
  ajatellen se niinku tuossa meidän mallissa oli materiaali
• 58:00
  ominaisuuksia. Koulutettu malli OK eli me
• 58:05
  voidaan approksimoida sillä tavalla, mutta mitä tapahtuu sen
• 58:09
  jälkeen? Sen jälkeen tarvitaan vielä
• 58:10
  lisää simulaatiota vai miten se työ?
• 58:13
  Etenee joo että se tuo tuo on niinku aproksimaatio, että se
• 58:16
  on. Mikähän olisi hyvä analogia
• 58:17
  tuommoiselle että että että tavallaan semmoinen.
• 58:22
  Ajatellaan, että auton suunnittelija.
• 58:25
  Hahmottelee ruutupaperille karkeita malleja että miltä auto
• 58:28
  voisi näyttää voi hahmotella niitä 100 ja sitten sieltä
• 58:31
  valitaan että no nää 3 on tosi kiinnostavia että tee näistä
• 58:33
  tämmöinen niinku viimeistelty niin niin vähän vähän
• 58:36
  samanlainen analogia tuossa, että että sitten oikeasti
• 58:40
  tavallaan haetaan ne kaikki kaikki mahdolliset tiedot mitä
• 58:44
  siinä suunnitteluvaiheessa tarvitaan sitten numeerisella
• 58:46
  simulaatiolla. OK miten sä itse suhtaudut
• 58:50
  näihin? Miten miten helposti hallitset
• 58:53
  tällaista teknologiaa ja ja termejä?
• 58:56
  Onneksi mun ei tarvitse toteuttaa mitään näistä, että
• 58:59
  rooli roolifirmassa on eri että osa on yleensä yleensä niin kun
• 59:05
  siis mä oon tietysti mä oon niinku olen nörtti.
• 59:10
  Tykkään teknologiasta. Mä haluan ymmärtää erilaisia
• 59:13
  ilmiöitä erilaisia teknologioita, niin siinä
• 59:15
  mielessä aina aina haluan perehtyä.
• 59:18
  Mä oon monesti tuolla meidän niin kun tohtoreiden ja
• 59:23
  insinöörien kanssa kun pikkulapsi, joka esittää
• 59:26
  jatkuvasti kysymyksiä. Kysymyksiä koska mulla on aina
• 59:28
  tarvii ymmärtää noita asioita, mutta tietenkin se mun ymmärrys
• 59:31
  on pinnallisempaa, että enhän mä voi voi syvällisesti ymmärtää
• 59:36
  kaikkia noita eri ilmiöitä mitä mitä meilläkin tehdään, mutta.
• 59:41
  Monesti niin kun. Riittävällä tasolla, että voi
• 59:45
  myös perustella sen niin kun. Ne hyödyt mitä siitä saadaan?
• 59:50
  Se on tietysti niinku kaikista tärkeintä mulle.
• 59:53
  Ja sitten jos nyt no tässä roolissa paljon jutellaan
• 59:57
  sijoittajien kanssa, niin tietenkin sijoittajille pitää
• 59:59
  pystyy sitten semmoisella sopivalla tasolla selittää näitä
• 1:00:03
  ilmiöitä. Me ei olla missään nimessä
• 1:00:06
  tekoäly-yritys, mutta me ymmärretään sen teknologian
• 1:00:10
  potentiaalit simulaatioihin liittyen ja.
• 1:00:13
  Tossa kun mennään kvantiin niin siinäkin löytyy yhteyksiä
• 1:00:16
  tekoälyyn eli eli siellä on siellä on mielenkiintoisia.
• 1:00:21
  Mahdollisuuksia, mutta lähtökohtaisesti se isoin arvo
• 1:00:24
  mitä me nähdään. On nimenomaan tuolla simulaatioa
• 1:00:27
  i puolella ja se valtava data pullonkaula koulutusdataa ei ole
• 1:00:31
  järkevissä määrin isoilla yrityksillä saattaa olla paljon
• 1:00:34
  simulaatiodataa, mutta se on yleensä hyvin hajaantunutta,
• 1:00:36
  jolloin sitäkään ei niin pystytä hyödyntää tämmöisiä niin.
• 1:00:41
  Meillä on sinänsä siihen hieno mahdollisuus, että me pystytään
• 1:00:43
  tuottamaan sitä teho kustannustehokkaasti ja nopeasti
• 1:00:47
  koulutustarkoituksiin. Te keräätte siis paljon dataa ja
• 1:00:51
  onko se proprientaarista dataa? Onko se asiakkaiden dataa ja ja
• 1:00:56
  näettekö te sellaisen mahdollisuuden, että te voisitte
• 1:00:59
  pilotoida tulevaisuudessa ja ja olla sellainen iso data myyjä
• 1:01:03
  niin sanotusti mulle vastaavilla yrityksillä?
• 1:01:06
  Todennäköisesti ei, ei ainakaan lähitulevaisuus, koska se
• 1:01:09
  asiakas data on tottakai asiakkaan dataa.
• 1:01:11
  Me ei kouluteta mitään meidän omia malleja asiakasdataalla.
• 1:01:17
  Tottakai tää on. Tää on niinku asia missä voi
• 1:01:19
  olla mahdollisuuksia jos jotkut asiakkaat ikään kuin antaa
• 1:01:21
  suostumuksen että sillä koulutetaan jotain geneerisiä
• 1:01:24
  fysiikkamalleja sulla heidän kintatalo.
• 1:01:26
  Mutta tällä hetkellä näin ei tehdä eikä ole suoraan suoraan
• 1:01:29
  suunnitelmia siihen, että se se täytyisi tehdä erittäin
• 1:01:32
  läpinäkyvästi asiakkaan kanssa jos näin toimittaisi.
• 1:01:36
  Mutta. Meidän ajatus on siis enemmän
• 1:01:40
  rakentaa se alusta eli asiakas voi itse ajaa vaikka valtavan
• 1:01:45
  määrän simulaatioita tuottaa, tuottaa sitä dataa ja sen
• 1:01:49
  jälkeen myös kouluttaa sen datan perusteella.
• 1:01:51
  Haluammesa. Vaikka nyt just näitä
• 1:01:52
  neuro-operaattorimalleja. Mutta tarkoittaako se nyt sitä,
• 1:01:56
  että te ette voi skaalata mitenkään, että te tarvitsette
• 1:01:59
  kuitenkin aina sitä niinku vähän samanlaista dataa kaikilta
• 1:02:03
  asiakkailta. Että olisiko tässä kuitenkin
• 1:02:05
  joku ratkaisu, että sitä voisi jotenkin hyödyntää anonyymisti
• 1:02:09
  niin sanotusti. Kuitenkin on on ja nimenomaan se
• 1:02:13
  pitäisikin olla anonyymisti hyödynnettävää, koska totta kai
• 1:02:16
  just että tuo se datahan mitä asiakkaalta niinku näiden vaikka
• 1:02:21
  gary mallien suhteen tulee, niin nehän on heidän
• 1:02:23
  liikesalaisuuksia. Ne on niinku hyvinkin
• 1:02:25
  arkaluontoista dataa, niin niin tota.
• 1:02:29
  Jonkinlainen tämmöinen anonyymiratkaisu et yks mitä me
• 1:02:31
  ollaan esimerkiksi pohdittu on se että.
• 1:02:34
  Mä mainitsin jossain kohtaa se, että verkotus on yksi oleellinen
• 1:02:37
  osa tehdä tavallaan sen matemaattinen tämmöinen niinku
• 1:02:39
  polygonaalinen malli ja niissä solmupisteissä raskataan ne
• 1:02:42
  yhtälöt. Verkottaminen on kohtuullisen
• 1:02:45
  haastavaa, monesti riippuen siitä asiakkaan suunnittelun
• 1:02:48
  geometriasta, niin esimerkiksi tuossa voisi olla AI avusteinen
• 1:02:52
  semmoinen niinku verkon hienosäätöalgoritmi, jota voisi
• 1:02:56
  anonyymisti kouluttaa jatkuvasti, kun meidän
• 1:02:58
  verkottaja ajeta, että tämmöisiä ajatuksia on ollut, mutta nää on
• 1:03:01
  nää on nimenomaan ajatuksia, että niinku ja varmasti löytyy
• 1:03:05
  paljon muitakin mahdollisuuksia tuon tyyppiseen.
• 1:03:09
  Ton tyyppisellä tekemiselle, mutta tosiaan siinä siinä täytyy
• 1:03:12
  vain olla tarkkana, että. Mitä saa tehdä ja se että se on
• 1:03:18
  asiakkaalla on aukoton ymmärrys siitä, että minkälaiseen
• 1:03:22
  koulutukseen heidän dataa käytetään.
• 1:03:24
  Jos käytetään ollenkaan, että tässä bisneksessä se on ihan
• 1:03:27
  elinehto, koska se luottamus on samantien menetetty.
• 1:03:29
  Jos siellä tapahtuu taustalla jotain mihin asiakas ei ole
• 1:03:33
  hyvin selkeästi antanut suostumusta.
• 1:03:36
  Miten te muuten varmistatte, että se data tosiaan sitten?
• 1:03:40
  Hävitetään niin sanotusti sen simuloinnin jälkeen, että kun te
• 1:03:43
  toteutatte laskentaa pilessa. Niin missä päin teillä on muuten
• 1:03:47
  nää pilvikeskukset että onko ne euroopan vai jenkkien puolella,
• 1:03:51
  että voiko käydä niin, että kuitenkin se data sieltä
• 1:03:53
  vuotaisi johonkin kolmannella osapuolella?
• 1:03:56
  Näetkö? Sitä niinku riskinä asiakkaalla
• 1:03:59
  on täyskontrolli siihen datan säilytykseen.
• 1:04:01
  Eli he voi itse tuhota ja tyypillisestihän he haluaa
• 1:04:04
  säilyttää sen, koska se data on heille tärkeää.
• 1:04:06
  Sitten se simulaatioiden lopputulos.
• 1:04:10
  Data säilytetään eurooppalaisilla asiakkailla
• 1:04:13
  euroopassa. Jenkki asiakkasiakkaajenkeissä
• 1:04:15
  ja nyt alkaa olemaan japanissakin sen verran
• 1:04:17
  bisnestä, että varmaan laitetaan sinne sitten.
• 1:04:19
  Tota yksi tavallaan oma instanssinsa pyörimään, että
• 1:04:23
  sitten on japanilaisilla japanissa meidän.
• 1:04:27
  Ala on on se niinku tietoturvaa hyvinkin hyvinkin oleellista.
• 1:04:32
  Meillä on ollaan panostettu siihen paljon.
• 1:04:34
  Meillä on useampia tietoturva serfikaatti ja tehdään myös
• 1:04:40
  aktiivisesti niinku myös kolmannen osapuolen toteuttamaa
• 1:04:43
  niinku penetraatiotestausta tohon ratkaisulle.
• 1:04:45
  Mistä sitten on niinku raportit ja toistaiseksi näistä ollut
• 1:04:49
  varsin hyviä tuloksia, että se on joo että ja sitten tietysti
• 1:04:53
  niinku. Ekstra.
• 1:04:56
  Tietoturva-askeleena asiakas voi myös ajaa tätä ikään kuin sinä
• 1:05:01
  itse hallitsemassaan ympäristössä, jolloin voi sitten
• 1:05:03
  kaikki tämmöiset niinku infrastruktuuriin liittyvät
• 1:05:06
  tietoturva säännöt konfiguroida miten haluavat.
• 1:05:11
  Kuinka suuri kustannus on tällä pilvi laskennalla teillä
• 1:05:15
  ylipäätään jos niinku suhteessa kaikkiin kustannuksiin?
• 1:05:19
  Esimerkiksi teillä on tietenkin niinku tavallisesti näissä
• 1:05:22
  yrityksissä suurimmat kustannukset tulee.
• 1:05:24
  Nää on henkilökustannuksia ennen kaikkea palkat ynnä muuta, niin
• 1:05:29
  onko tää merkittävä kustannus tää itse pilvikulu teillä?
• 1:05:33
  On se merkittävä. Joo, kyllä meillä vielä.
• 1:05:37
  Niin kuin suurin suurin kustannus on toki toki
• 1:05:40
  palkkakulut, että siellä on paljon tuotekehitystä ja niin
• 1:05:44
  kun mutta. Lähtökohtaisesti kun kaikki
• 1:05:49
  asiakkaatkin ajaa simulaatiota tai ei kaikki, mutta suurin osa
• 1:05:52
  asiakkaista ajaa simulaatiota meidän hallitsemassa pilvessä,
• 1:05:55
  jolloin ne kulut tulee meille. Mutta tietysti meidän
• 1:05:57
  hinnoittelumalli on sitten semmoinen, että se kattaa, että
• 1:05:58
  se on voitollista voitollista toimintaa asiakkaiden kanssa,
• 1:06:01
  mutta on se merkittävä joo että. Ja jatkuvasti kasvava suhteessa,
• 1:06:06
  että tietysti siis. Kun bisnes kasvaa pilvi
• 1:06:11
  kustannukset kasvaa ihan lineaarisesti sen mukaan ja.
• 1:06:16
  Oletettavasti se on tulevaisuudessa meidän suurin
• 1:06:19
  kuluerä. OK.
• 1:06:21
  Koska onhan ne niinku ihan ei. Ei nyt tosiaan LM koulutustason
• 1:06:25
  tasoon verrattavia satojen miljoonien tai miljardien niinku
• 1:06:29
  kulu eri ja laskentaan, mutta kuitenkin merkittäviä.
• 1:06:32
  Mutta että kuitenkaan ennakoi sitä, että se lähtisi laskuun
• 1:06:36
  suhteessa asiakkaiden tuloihin vaan se niinku kasvaa
• 1:06:40
  lineaarisesti vai? Kyllä se lähtee.
• 1:06:42
  Totta kai laskuun, että tietysti siitä mitä, että että meillähän
• 1:06:46
  ei ole omaa kapasiteettia vaan me vuokrataan sitä niinku
• 1:06:48
  hyperskaalajilta. AVS on meidän pääkumppani siinä
• 1:06:51
  tällä hetkellä. Niin niin.
• 1:06:55
  Onhan heillä tietysti, että kun volyymit kasvaa, niin se antaa
• 1:06:58
  enemmän neuvotteluun voimaa siihen niinku hinnoitteluun ja.
• 1:07:03
  Toki myös niin kun tehdään omaa tämmöistä niin kulu optimointia
• 1:07:08
  sekä tehostetaan niitä algoritmeja, mutta myös niin kun
• 1:07:13
  järkevöitetään infrastruktuuria koko ajan, että siinä ikään kun
• 1:07:16
  semmoiset turhat. Turhat kulut minimoidaan.
• 1:07:19
  Kumpi muuten aiheuttaa enemmän kuluja datan silkka määrä vai
• 1:07:23
  laskenta? Laskenta.
• 1:07:26
  OK ihan. Niin kertaluokkaa enemmän.
• 1:07:29
  OK no pitäisikö sitten mennä sinne kvanttilaskennan puolelle?
• 1:07:33
  Mennään vaan mitä hyötyä siis on kvanttilaskennasta esimerkiksi
• 1:07:38
  multifysiikan puolella tai ylipäätään missä tahansa
• 1:07:41
  simuloinneissa. Lyhyt vastaus, että se
• 1:07:44
  mahdollistaa mahdottomat simulaatiot OK ja no ihan tossa
• 1:07:49
  alussa puhuttiin siitä vaikka lentokone aerodynamiikka
• 1:07:52
  mallinnuksesta niin. Tällä hetkellä klassisella
• 1:07:55
  teknologialla on mahdollista mallintaa kohtuullisen tarkasti,
• 1:07:58
  vaikka yksi tämmöinen lentokoneen spoileri.
• 1:08:01
  Tai joku siiven osa, mutta sitten jos puhutaan koko
• 1:08:03
  lentokoneen virtausmallista niin sitten mennään niinku hyvin
• 1:08:07
  karkeeseen approksimaatioon siitä virtausmallinnasta.
• 1:08:13
  Kvanttilaskennalla päästään. Useita kertaluokkia isompia
• 1:08:18
  isompikokoisiin tehtäviä, jotka voidaan sitten laskee ihan niin
• 1:08:22
  kuin minuuteissa tai sekunneissa.
• 1:08:24
  Eli vaikka kokonaisen lentokoneen virtausmalli tai.
• 1:08:29
  Jos puhutaan. Pysytään tällä
• 1:08:31
  virtausmallinnuksen maailmassa, niin tuulitunnelifarmin
• 1:08:35
  optimointi tai ison datakeskuksen jäähdytysratkaisun
• 1:08:39
  suunnittelu tai. Laivan rungon
• 1:08:43
  mallinnuspotkureineen ja kaikkineen ja toki ylipäätään
• 1:08:47
  niinku virtausmallinnusta tarvitaan kaikessa, mikä liikkuu
• 1:08:49
  nopeasti että ei vaan niinku lentokoneet, että siellä on
• 1:08:51
  tietysti sitten autot junat. Droonit kaikki lentävät härvelit
• 1:08:57
  nyt ylipäätään. Niin se on.
• 1:09:00
  Se on hyvinkin oleellinen osa ja mitkä ne hyödyt.
• 1:09:03
  Tietysti siinä sitten on, että energiatehokkuutta voidaan
• 1:09:07
  säästää monesti materiaaleissa. Ja totta kai huomattavasti
• 1:09:12
  nopeampi tuotekehitys. Ja nuo on vaan
• 1:09:17
  kompleksisuusasteiltaan niin niin kovia, että kun kaikki
• 1:09:19
  kaikki nykymallit on enemmän tai vähemmän aproksimaatiota eli
• 1:09:22
  sitten on mahdollista huonontaa suuremman tarkkuuden.
• 1:09:25
  Joo no onko tästä kvanttilaskennasta jo tänä
• 1:09:28
  päivänä hyötyä simuloinneissa? Me ollaan maailman johtava
• 1:09:31
  tiimi. Tuossa siitä ei ole
• 1:09:33
  epäilystäkään, vaan kvanttilaskennan
• 1:09:36
  kvanttilaskennan hyödyntämisessä simulaatioissa
• 1:09:38
  fysiikkasimulaatioissa. Ja se ei ole teoreettista.
• 1:09:43
  Eli me. On ajettu näitä algoritmeja
• 1:09:46
  oikeilla kvanttitietokoneilla. Me saadaan sieltä tarkkoja
• 1:09:48
  tuloksia. Me tehtiin esimerkiksi tää on
• 1:09:51
  julkista tietoa airbusin kanssa yhteisprojekti siinä oli
• 1:09:55
  oxfordics joka toimitti tää kvanttirautaa ja me toimitettiin
• 1:09:58
  algoritmeja airbust toimitti käyttötapauksia.
• 1:10:01
  Se pystyttiin mallintaa vaikka just yksittäisiä lentokoneen
• 1:10:04
  spoilereita. IQMN uusimman koneen
• 1:10:07
  lanseerauksen yhteydessä me esiteltiin maailman ensimmäinen
• 1:10:09
  3 d virtausmallinnustehtävä haettiin kvantin tietokoneella.
• 1:10:15
  Mutta nää on kaikki vielä tasolla, että tota sun
• 1:10:19
  läppärillä todennäköisesti ratkeaisi 5 minuutissa eli ei
• 1:10:23
  vielä mutta mutta se mikä mikä tekee sitä kiinnostavaa on se,
• 1:10:27
  että me ollaan pystytty osoittamaan, että vaikka näillä
• 1:10:29
  meidän algoritmeilla skaalautuminen on
• 1:10:32
  eksponentiaalista. Eli sulla on ollut
• 1:10:35
  kvanttivieraita, niin kuulijoilla on varmaan kubitti
• 1:10:38
  käsite tuttu eli tämmöinen kvantti.
• 1:10:40
  Bitti niin sanotusti yksinkertaisesti.
• 1:10:43
  Tähän vaikka tähän 3 d malliin IQMN koneella me tarvittiin.
• 1:10:49
  Noin 20 kuvittia muistaakseni tarkka määrä oli 21, mutta
• 1:10:52
  saatan nyt muistaa väärin ja ja aina kun lisätään tähän yksi
• 1:10:57
  kubitti me voidaan kaksinkertastaa sen tehtävän
• 1:10:59
  koko kyllä ja tuosta päästään siihen, että kun meillä on 80
• 1:11:04
  viiva 100 kupittia käytössä. Niin me ratkotaan jo tehtäviä,
• 1:11:08
  joita ei järkevässä määrin voida ratkoa millään klassisella
• 1:11:13
  supertietokoneella. OK joo ja.
• 1:11:17
  Uskotaan, että tuosta ensimmäisiä demonstraatioita
• 1:11:19
  tehdään 26 vuoden loppupuolella. Ja.
• 1:11:24
  Mitä se mitä se tarkoittaa? Niin joo ei varmaan vielä sitä,
• 1:11:27
  että lentokoneyhtiö ostaa meidän softan ja korvaa duunitunnilla
• 1:11:32
  testauksen ja se on hyvin edistynyt
• 1:11:35
  teknologiademonstraatio siinä kohtaa.
• 1:11:37
  Eli se se tekee ikään kuin niin kun hyvinkin selväksi, että joo
• 1:11:42
  tää on ongelma jota joka todellakin voidaan ratkoa
• 1:11:45
  isommassa mittakaavassa kvanttitietokoneella kuin
• 1:11:47
  millään klassisella. Mutta toki siitä varmaan ollaan
• 1:11:49
  vielä sitten niinku vuoden 2 päässä siitä että siitä alkaa
• 1:11:53
  olemaan semmoista käytännön insinöörityöhyötyä, mut
• 1:11:56
  yhteistyöhankkeita siinä vaiheessa niin kun totta kai ja
• 1:12:00
  niinku nytkin jo tehdään tehdään alayritysten kanssa, että niinku
• 1:12:03
  investointikiinnostusta siellä on.
• 1:12:05
  Kaikilla isoilla autoilmailualayrityksellä
• 1:12:07
  esimerkiksi on jo omat kvanttiitiiminsä.
• 1:12:10
  Joo joo. Ja ehkä siitä teknologiasta
• 1:12:15
  vielä, että jos jos niin kun tää on taas rajua
• 1:12:19
  yksinkertaistamista itseni vuoksi myös.
• 1:12:23
  Mutta tosiaan, että jos me ollaan osoitettu, että se kasvaa
• 1:12:27
  eksponentiaalisesti kupittien määrän suhteen, niin sitten
• 1:12:29
  toinen tämmöinen tärkein metriikka on ikään kuin vaikka
• 1:12:31
  näiden. Loogisten porttien tai niinku
• 1:12:35
  porttien määrä siinä kvanttipiirissä niiden määrä
• 1:12:38
  kasvaa logaritmisesti. Samalla kun me lisätään
• 1:12:41
  kuvitteja. OK ja eli eli.
• 1:12:43
  Hidastuvasti hidastuvasti joo kyllä ja se on tärkeätä siksi,
• 1:12:47
  että se on tavallaan se kupittien määrä on yksi, mutta
• 1:12:50
  sitten näiden porttien määrä on toinen ja näistä saa ikään kuin
• 1:12:53
  kvanttivolyymia, että jos pystyakselilla on kupittien
• 1:12:56
  määrä vaaka-akselilla porttien määrä, niin on kvanttivolyymi ja
• 1:12:59
  se on tietynlainen metriikka siitä, että mihin kvanttivideon
• 1:13:02
  pystyy, että siinä voi olla 100 kupittia.
• 1:13:04
  Mutta sitten jos porttien määrä kasvaa, niin se käytössä olevien
• 1:13:07
  kupittien määrätyn myös vähenee. Eli tavallaan nää 2 m pelaa
• 1:13:12
  yksi. Ja tuossakin nimenomaan se
• 1:13:16
  vaadittavien porttien määrä logaritminen kasvusta taas
• 1:13:18
  mahdollistaa sen niinku näkymät siihen, että tää on
• 1:13:20
  lähityöisuudessa hyvinkin realistinen.
• 1:13:24
  Realistinen tota kohde ja tosiaan todistusaineistona se
• 1:13:28
  että. Näitä on ajettu oikeilla
• 1:13:31
  koneilla ja sieltä on saatu oikeata dataa ja saatu oikeata
• 1:13:34
  metriikkaa mitä se vaatii. Ennen kuin jatketaan kvantista,
• 1:13:38
  niin niin se on kysymys, että mitä lentokonevalmistajat oikein
• 1:13:42
  haluaa simuloida kun ne simuloi spoileria, niin onko kyseessä
• 1:13:46
  siis? Onko tää nyt raju
• 1:13:49
  yksinkertaistus? Mut siis tää tekniikka on
• 1:13:52
  tavallaan kompromissi, jonka pitää toimia kaikissa
• 1:13:54
  sääolosuhteissa. Niin haetaanko siinä tavallaan
• 1:13:56
  niinku sitä optimaalista ratkaisua joka toimii?
• 1:13:59
  Kaikissa olosuhteissa, vai mitä ne oikein haluaa simuloida?
• 1:14:03
  Joo, kyllähän siellä testataan paljon tietysti erilaisia niin
• 1:14:06
  kun olosuhteita simuloinnilla, että että sitä on.
• 1:14:11
  Sitä on hyvin hankala, jos ei mahdoton testata tuulitunnelissa
• 1:14:15
  tavallaan niinku kaikkia mahdollisia, että että
• 1:14:17
  simulointi mahdollistaa just tommoisen, niin kun eri
• 1:14:19
  skenaarioiden mallintamisen miten saattaa käyttäytyä ja
• 1:14:23
  tottakai ihan sen niin kun perussuunnittelutyön, että se
• 1:14:26
  nyt ylipäätään niin kun tää haettu ratkaisu ratkaisu toimii
• 1:14:31
  ja siinä saadaan nyt vaikka nostetta riittävä määrä ja toki
• 1:14:36
  sitten on myös. Energiatehokkuuteen liittyviä
• 1:14:40
  asioita eli minkälaista ilmanvastustusta se tekee, että
• 1:14:42
  sitten jos lentokonetta katsotaan kokonaisuutena kaikkia
• 1:14:44
  niitä eri komponentteja siellä, niin.
• 1:14:46
  Niin niin sehän on on sitten paljon muuttujia joita halutaan.
• 1:14:51
  Halutaan parantaa. Onko näissä
• 1:14:53
  kvanttisimulaatioissa sitten tekoäly mukana?
• 1:14:56
  Missä roolissa? Onko niiden palvelu joku
• 1:14:59
  symbiooosi vai linkki? No tietyllä tavalla joo että
• 1:15:03
  että semmoinen niinku selkeä ja suora on on sen että kun ollaan
• 1:15:07
  puhuttu siitä että tarvitaan fysiikka simulaatiodataa
• 1:15:11
  tekoälyn koulutukseen. Niin tekoäly on tyypillisesti.
• 1:15:16
  Erittäin huono ekstroploimaa eli se datan tarkkuus mitä se saa
• 1:15:20
  määrittää sen mihin se malli pystyy.
• 1:15:23
  Shits shit out. Just just näin, niin
• 1:15:27
  kvanttikoneella pystytään tarjoamaan sitten tietysti
• 1:15:29
  tarkempaa koulutusdataa. Mikä sitten taas osittain
• 1:15:32
  vaikuttaa siihen että. Niitä kvanttisimulaatioita ei
• 1:15:37
  välttämättä tarvitse suoraan ajaa niin paljon, vaan sillä
• 1:15:39
  voidaan kouluttaa malli sillä datalla mitä sieltä tulee, joka
• 1:15:43
  on sitten taas tarkempi tekoälymalli.
• 1:15:44
  Mitä saataisiin muuten? Tietysti siihen koulutukseen
• 1:15:47
  voidaan käyttää myös oikeilla tuuli.
• 1:15:50
  Tunnelidataa yhdistää ja sitten tämmöistä klassista vähemmän
• 1:15:53
  tarkkaa simulointidataa ja tavallaan saada niistä niistä
• 1:15:55
  semmoinen järkevä yhdistelmä ja tietysti sitten.
• 1:16:01
  Noin niinku laajassa kuvassa myös ihan kvanttiteknologialla
• 1:16:06
  tehtävä tekoälykoulutus on. Varsin kiinnostava tutkimus
• 1:16:12
  tutkimuslinja, mutta se ei ole nyt ehkä ihan suoraan siellä
• 1:16:16
  mitä me tehdään. Lukuunottamatta tämmöisiä.
• 1:16:21
  Nyt tulee taas uusi lyhenne eli pin 2 NL physics inform newald
• 1:16:25
  eli kun puhuttiin näistä neuro-operaattoreista, niin.
• 1:16:31
  Sitten on olemassa tämmöinen fysiikkainformoitu neuroverkko,
• 1:16:35
  joka. Jossa on tavallaan niin kuin
• 1:16:39
  algoritminen ymmärrys fysiikan reunaehdoista.
• 1:16:43
  Jolloin se malli kun sitä ajetaan, niin se ikään kuin
• 1:16:47
  pystyy korjaamaan itsensä sen perusteella, mikä ymmärrys sillä
• 1:16:50
  on ja tietoisella on fyysikosta. Tää on raju yksinkertaistus,
• 1:16:55
  että ja tätä voidaan käyttää sitten myös näiden
• 1:16:58
  neuro-operaattorien yhteydessä sillä, että ikään kuin sillä
• 1:17:01
  physicsin walbeal network teknologialla.
• 1:17:05
  Ohjataan myös sen neuroverkon ja validoidaan sen neuroverkon
• 1:17:08
  tuloksia parempaan suuntaan eli parannetaan tarkkuutta.
• 1:17:11
  Ja meillä on tehty. Itse asiassa tästä tulee
• 1:17:16
  julkaisukin ihan kohta mut tehty tehty paperia nimenomaan siihen
• 1:17:19
  et miten kvantti tietokoneella. Voidaan hyödyntää koulu ja ajaa
• 1:17:25
  tämmöisiä niinku fyysis inform newaldetwork ratkaisuja.
• 1:17:30
  OK mut nää on toki nää on niinku ehkä vähän enemmän alkuvaiheessa
• 1:17:34
  mitä mitä se varsinainen kvantti simulointi algoritmi meillä,
• 1:17:37
  mutta tämmöisiä mahdollisuuksia siihen liittyy.
• 1:17:40
  OK eli se hyöty on molemminpuolinen tekoälyllä ja
• 1:17:45
  kvantti teknologialta. OK todella mielenkiintoista.
• 1:17:51
  Ja ihan teorioita on edes liittaa suoraan meidän
• 1:17:54
  tekemiseen, mutta että teoriassa kvanttitietokone on voisi olla
• 1:17:59
  hirvittävän paljon energiatehokkaampi esimerkiksi
• 1:18:02
  LLM koulutukseen. OK.
• 1:18:07
  Mut nää on nää on toistaiseksi vielä myös myös ymmärtääkseni
• 1:18:12
  aika aika alkuvaiheessa ja ei tosiaan sellaista mitä meillä
• 1:18:15
  tehdään, mutta vaan niinku tekoäly tekoäly kvantin
• 1:18:18
  mahdollisuuksia yksi. No mitä veikkaat että että
• 1:18:23
  milloin me saadaan eli mainitset, että vuonna ensi
• 1:18:26
  vuoden loppupuolella on odotettavissa joku läpimurto kun
• 1:18:30
  anttisimulainen? Joo, no joo, me se tavallaan
• 1:18:34
  niinku. Se ei ole varsinainen läpimurto,
• 1:18:37
  vaan se on iteratiivista työtä sen, että me ollaan jatkuvasti.
• 1:18:41
  Kuukausi kuukaudelta pystytään ajamaan niin kun malli käyttää
• 1:18:46
  enemmän kubittajaa eli kompleksisempi simulaatio
• 1:18:49
  kvanttikoneilla, niin se mihin ollaan menossa on että 26
• 1:18:53
  loppupuolella sen mallin kompleksi on niin iso, että
• 1:18:57
  voidaan tämmöinen esimerkkitehtävä
• 1:18:58
  fysiikkasimulaatiosta osoittaa jota no ei taas käytetä sanaa
• 1:19:03
  mahdoton ajaa klassisella koneella, mutta olisi hyvin
• 1:19:06
  epäkäytännöllinen ajaa klassisella koneella, että se
• 1:19:08
  laskenta kestäisi kuukausia. Miten tätä yhteistyötä eri
• 1:19:13
  kvanttifirmojen puolella voisi parantaa vielä sun mielestä,
• 1:19:18
  että miten miten nää firmat niinku teidän firma esit IKM kuu
• 1:19:22
  millit ja se mikonit niin voiko tätä yhteistyötä jotenkin
• 1:19:27
  tiivistää vielä suomessa? Pitäisikö rakentaa joku
• 1:19:30
  sellainen iso hubi missä te voisitte niinku jakaa tätä
• 1:19:33
  tietoa ja hyötyä? Kaikin puolin tästä omasta
• 1:19:36
  osaamisesta vai onko se kuitenkin sellaista, että teillä
• 1:19:38
  on jokaisella firmalla joku selkään missio ja ja te.
• 1:19:43
  Haette sitä hyötyä nimenomaan kaupallisella puolella.
• 1:19:47
  Siis suomessa silleen. Hyvä että nää nää yritykset
• 1:19:49
  jotka on niin kaikilla on tosiaan vähän omat missionsa.
• 1:19:52
  Siellä on aika vähän päällekkäisyyksiä sen suhteen
• 1:19:55
  mitä tehdään, niin yhteistyö on ollut kyllä silleen niinku
• 1:19:58
  kohtuullisen avointa. Toki yksi mikä on.
• 1:20:02
  Tämmöinen, että yksi viedään semmoista mielikuvaa siitä, että
• 1:20:05
  Suomi on maailman johtava maa niinku.
• 1:20:09
  Onkin maailman johtavia maita kvantti teknologisen väkilukuun
• 1:20:12
  suhteutettuna niin aivan huikeata tekemistä täällä.
• 1:20:15
  Niin ja tällaistahan tapahtuu paljon meiltä nyt just ensi
• 1:20:20
  viikolla valtteri lähtee, eli meidän chif scientist quvantin
• 1:20:24
  tiiminvetäjä lähtee tonne Washingtoniin.
• 1:20:27
  Missä on quandmod gongess. Siellä on viime vuonnakin oli
• 1:20:30
  niinku suomi-paneelia ja tämmöistä niinku suomalaisten
• 1:20:33
  kvanttifirmojen esille tuontia eli se on.
• 1:20:36
  Se on semmoinen mitä tapahtuu paljon business finland on ollut
• 1:20:38
  siinä hyvin tukemassa. Sitten meillä on tää institute,
• 1:20:41
  joka on tämmöinen niinku akateeminen akateemisemman
• 1:20:44
  puolen kvantti tutkimus, mutta siitä on myös sitten business
• 1:20:47
  keu joka on enemmän niin kun yritysten eli siellä on mukana.
• 1:20:51
  Totta kai kaikki suomen kvanttiyritykset myös paljon
• 1:20:53
  niinku sitten organisaatioita jotka on kiinnostuneita
• 1:20:57
  kvanttiteknologiasta ja sen mahdollisuuksista.
• 1:21:00
  Niin mä sanoisin siis se on aika aika pieni yksi.
• 1:21:03
  Ei se kuitenkin tällä hetkellä vielä ja aika tiivis, että kyllä
• 1:21:06
  siinä niinku hyvin toisemme tunnetaan ja.
• 1:21:09
  Autetaan toisia, että nimenomaan kun se ei ole sellaista
• 1:21:11
  kilpailevaa. Päinvastoin että se on se on
• 1:21:13
  enemmän win win. Että mitä parempaa SUOMI kuvaa
• 1:21:17
  tässä työnnetään maailmalle, sitä enemmän me saadaan
• 1:21:19
  investointeja kvantiteknologiaan, jos
• 1:21:21
  ulkomailta suomeen ja se ruokkii meitä kaikkia.
• 1:21:25
  Moni ei tiedä, mutta suomalaiset on maailman parhaita
• 1:21:29
  urheilijoita mitalitilastojen valossa suhteessa väkilukuun.
• 1:21:33
  Mä myös kuultamme kahvia kaikkein eniten suhteessa
• 1:21:36
  väkilukuun ja nyt me olemme parhaita kvantti teknologiassa.
• 1:21:41
  Suhteessa väkilukuun. Tää on aika aika
• 1:21:45
  poikkeuksellista ja yllättävää. Tai siis yllättävää ja ei niin
• 1:21:49
  yllättävää. Kyllähän täällä on tehty paljon
• 1:21:51
  perustutkimusta, mutta että miten näin on.
• 1:21:55
  On on käynyt, että me ollaan niin hyviä kvanttiteknologiassa.
• 1:21:59
  Johtuuko se siitä, että meillä on yksi iso toimija niinku iguam
• 1:22:03
  esimerkiksi, joka on on menestynyt hyvin ja se vetää
• 1:22:07
  mukana muita firmoja? Vai onko se kuitenkin sellaista,
• 1:22:10
  että meillä on sitä osaamista kaikkialla eri kaupungeissa eri
• 1:22:14
  yliop? Miten sä itse näet sen?
• 1:22:17
  Mä luulen, että yksi selittävä tekijä tietysti siis tämmöinen
• 1:22:20
  vahva luonnontieteiden fysiikan, matematiikan
• 1:22:23
  koulutusinsinöörikoulutus on Suomessa ja niinku pitkälle
• 1:22:27
  akateemisten tohtoreiden koulutus on ollut tekniikan
• 1:22:29
  alalla. Siihen on pitkät perinteet.
• 1:22:33
  Kvanttiteknologiaan liittyen yksi tämmöinen
• 1:22:34
  erikoisosaamisalue, mikä mikä meillä on ollut pitkään, on tää
• 1:22:37
  kylmäteknologiaosaaminen. Eli jos tälle
• 1:22:41
  kvanttiekosysteemiä suomessa katsoo, niin täytyy nostaa myös
• 1:22:44
  blue force, joka tekee. Kylmäkoneita, joilla päästään
• 1:22:49
  hyvin lähelle absoluuttista nollapistettä ja sitten etenkin
• 1:22:52
  suprajohtavien kuvittien teknologiassa mitä esimerkiksi
• 1:22:56
  IQM käyttää, niin ne kylmät lämpötilathan on vaadittavia.
• 1:22:59
  Eli jos jos näkee kuvia kvanttikoneista niin se on
• 1:23:01
  semmoinen niinku katosta roikkuva tavallaan
• 1:23:03
  kristallikruunu ja ja siis. Suurin osa sen tilavuudesta on
• 1:23:06
  just tätä jäänyt. Tässä se.
• 1:23:07
  On just sitä jäähdytystä ja se on yleensä aina bloofors.
• 1:23:09
  Jäähdytys melkein melkein missä vaan että he on markkinajohtaja
• 1:23:12
  siinä okei ja. Sitten tää kuitenkin tää
• 1:23:17
  nimenomaan supraan johtava teknologia, mitä suomessa nyt
• 1:23:20
  eniten tehdään. Tällä hetkellä IKMN johdolla,
• 1:23:22
  niin se vaatii myös edistyksellistä suprajohdon ja
• 1:23:26
  kylmä kylmälaiteosaamista, että ehkä siitä historiasta kumpuaa
• 1:23:29
  sitten jotain semmoista missä mikä niin kun on, on ensin
• 1:23:33
  yliopistoissa vienyt tätä eteenpäin ja sitten nyt
• 1:23:36
  lähivuosina syntynyt hyviä yrityksiä.
• 1:23:39
  Aihepiiri aiheen ympäristö. Mihin te oikein olette
• 1:23:45
  pyrkimässä siis loppupelissä, että mikä on teidän visio?
• 1:23:48
  Nyt puhutaan isosta kuvasta eli missä te näette?
• 1:23:51
  Sä näet että mihin sä oot viemässä one siihen missä te
• 1:23:54
  olette vaikka 10 vuoden päästä. Me halutaan olla.
• 1:23:59
  Ikään kuin tämmöisen uusien teknologian mahdollistamien
• 1:24:03
  niinku simulaatioratkaisujen määrittelevä yritys.
• 1:24:08
  Tälle tälle ja seuraavalle vuosikymmenelle.
• 1:24:11
  Eli. Missä ikinä tulevaisuudessa
• 1:24:14
  fysiikkasimulaatioratkaisuja mietitään niin se on niinku
• 1:24:17
  meidän nimi on siinä. Top yksi.
• 1:24:21
  Että mitä mitä ratkaisuja pohditaan ja se ilman muuta niin
• 1:24:25
  kun tulee sieltä meidän kyvykkyydestään ja intohimosta
• 1:24:29
  siinä, että me pystytään ratkomaan maailman haastavimpia
• 1:24:31
  että auttamaan ratkomaan maailman haastavimpia
• 1:24:34
  insinööriongelmia meidän teknologian avulla.
• 1:24:38
  Ja totta kai. Se sitten niin kun, että jos jos
• 1:24:44
  10 vuoden päästä miettii niin peilautuu sitten tietysti niinku
• 1:24:48
  liiketoiminnalliseen menestykseen, että kyllä tossa
• 1:24:50
  tästä halutaan tehdä iso globaali yritys.
• 1:24:54
  Tällä hetkellä toimitaan jo kohtuu globaalisti.
• 1:24:56
  Meillä on jenkeissä pari tyyppiä.
• 1:24:58
  Meillä on ympäri eurooppaa ihmisiä.
• 1:25:00
  Meillä on britanniassa tytäryhtiö japanissa
• 1:25:03
  myyntiedustaja, mutta kasvattaa se yritys aidosti globaaliksi
• 1:25:08
  ja. Kannattavaksi kannattavaksi
• 1:25:11
  yhtiöksi. Mikä on tärkein oppi mitä sä
• 1:25:14
  toit sun uralta ennen kuin ansaintia ja mitä?
• 1:25:19
  Mikä on tärkein oppi? Mitä sä oot taas kuvansaintissa
• 1:25:22
  oppinut tähän mennessä? Mullahan on konsulttitausta eli
• 1:25:27
  mä olin. Mä olin parissakin eri yhtiössä
• 1:25:31
  vincitillä varmasti osalle osalle kuulijoista tuttu olin 12
• 1:25:35
  vuotta ennen kuin ansainttia ja konsulttina.
• 1:25:40
  Hienoa on se, että siinä näkee tosi paljon erityyppisiä
• 1:25:43
  asiakasyrityksiä ja start-upeista todella isoihin
• 1:25:47
  isoihin yrityksiin ja paljon erilaisia liiketoimintamalleja.
• 1:25:51
  Ja siellähän. Lähes aina oli kuitenkin kyse
• 1:25:56
  siitä, että luotiin joku uusi ratkaisu asiakkaalle, niin siinä
• 1:25:59
  oppi tosi paljon sitä että miten.
• 1:26:02
  Miten tärkeätä on ikään kuin no tää on hirveän kliseinen termi
• 1:26:06
  tää MVP minim whilebold product, mutta kuitenkin miten tärkeätä
• 1:26:10
  on saada jotain mahdollisimman nopeasti ulos mikä toimii mikä
• 1:26:14
  on myytävä. Ja kyllähän niitä oppeja
• 1:26:16
  siirrettiin kun ansaintelee, että me oltiin kuukauden vanha
• 1:26:18
  yritys kun meillä oli ensimmäinen maksava asiakas.
• 1:26:21
  Käytännössä teknologia oli lähes scriptejä, jota jota
• 1:26:26
  burkka-limameiningillä tota. Comantrinen läpi tunkattiin ja
• 1:26:33
  sitten mä. Mä rakensin siihen, että
• 1:26:35
  tällaisen niinku onnettavan onnettavan käyttöliittymän,
• 1:26:37
  jolla pystyi kirjautumaan sisään.
• 1:26:39
  Ja itse asiassa tässä just puisteltiin sitä kesällä, kun
• 1:26:42
  meillä oli meidän kokoontuminen koko firmalla, niin niin meidän
• 1:26:46
  asser meidän yksi perustajista ja tota chief proract officer
• 1:26:51
  oli kaivannut nää kuvat jostain naftaliinista.
• 1:26:54
  Toi jätti miltä se näytti mut mut jooko ei ei nauratti.
• 1:26:59
  Nauratti kyllä enemmän että onneksi se on heitetty
• 1:27:03
  raskikseen se se versio. Joo ja.
• 1:27:07
  Niin toi on. Toi on mun mielestä tärkein mitä
• 1:27:08
  sieltä on tullut. Toki paljon myös niinku tuli
• 1:27:13
  oppeja tämmöisen niinku organisaatiokulttuurin
• 1:27:16
  rakentamisesta. Että että winsitillä
• 1:27:18
  panostettiin siihen paljon ja se on ollut sitten meillä tässä
• 1:27:21
  kanssa semmoinen kantava voima että heti.
• 1:27:25
  Jos en nyt ollut ensimmäinen, niin ainakin varmaan ihan
• 1:27:27
  ensimmäisiä työpajoja meidän foundreiden keskellä oli se,
• 1:27:29
  että että mitkä on meidän arvot? Ja sillä pohjalla mennään vielä,
• 1:27:36
  että sieltä nousi ykkösenä niinku luottamus mikä perustuu
• 1:27:39
  sitten meillä niin kun 3 osa-alueeseen että siellä on.
• 1:27:43
  Kompetenssi luottamus luotetaan siihen, että ympärillä on
• 1:27:46
  osaavia ihmisiä, mikä peilautuu totta kai paljon myös
• 1:27:48
  rekrytointiin, mutta myös siihen, että ketään ei tarvitse
• 1:27:51
  mikromanageerata sopimusluottamus se mitä
• 1:27:55
  sovitaan myös tehdään. Tai jos tulee poikkeuksia, niin
• 1:27:58
  ainakin siitä aktiivisesta informoidaan, että nyt on ja
• 1:28:02
  viimeisenä sitten tää kommunikaatioluottamus eli
• 1:28:05
  kaikki kommunikaatio on arvostavaa, mutta totta kai se
• 1:28:09
  voi olla myös rakentavaa. Niin nuo nuo varmaan niinku
• 1:28:14
  hyvinä oppeina sinne. Ja mitä tässä on paljon sitten
• 1:28:16
  taas oppinut? No totta kai siis.
• 1:28:20
  Sijoittajamaailma on ihan ihan uutena tullut mulle mistä oon
• 1:28:25
  itse asiassa nauttinut tosi paljon.
• 1:28:26
  Se on minusta tosi tosi mielenkiintoista työtä työtä
• 1:28:30
  niinku ikään kuin myydä firmaa firmaa sijoittajille ja sitten
• 1:28:34
  totta kai myös niinku tuote organisaation rakentaminen.
• 1:28:38
  Se on hyvin erilaista kuin konsultti organisaation
• 1:28:40
  rakentaminen ja mietitään koko ajan sitä niinku skaalautuvampaa
• 1:28:44
  bisnestä ja se on. Siitä tullut valtavasti oppia
• 1:28:48
  erilaista tavoista hinnoitella ratkaisua ja.
• 1:28:52
  Ja. Ja tietenkin myyntikin on
• 1:28:54
  jossain määrin tai aika paljon poikkeaa poikkeaa
• 1:28:57
  konsulttimyynnistä. Kyllä jees ihan mahtavaa
• 1:29:02
  keskustelua teknologiasta, tieteestä ja liiketoiminnasta ja
• 1:29:07
  puhuttiin vaikka mistä ja voisi vieläkin puhua.
• 1:29:09
  Puhua varmaan monta tuntia näistä aiheista, mutta aika käy
• 1:29:13
  vähiin niin juha kiitoksia tosi paljon että pääsit käymään se
• 1:29:17
  kontribuoi tosi merkittävästi tähän kvantti teknologian
• 1:29:22
  puolella tähän. Podiin ja olen todella
• 1:29:26
  kiitollinen sun ajasta ja panostuksesta.
• 1:29:28
  Kiitos kiitos valtavasti. Johnson oli mahtava olla
• 1:29:31
  vieraana ja koska tahansa uudestaan.