Tommaso DeMarie: Startup Komputasi Quantum, PhD Academia to Founder & Michelin Kesalahan Kepemilikan - E435

“Menjadi sangat jelas bagi saya bahwa ketika kita tidak tahu banyak hal, rasa sakit terjadi. Penderitaan terjadi. Semakin banyak kita tahu, semakin banyak kita belajar tentang alam semesta, dan semakin banyak kita belajar tentang alam. Saya percaya kita dapat memperbaiki banyak masalah dan banyak penderitaan yang masih mempengaruhi kemanusiaan, kita belajar. dapat membangun teknologi yang lebih baik, dan kita dapat meningkatkan kehidupan semua orang. ” - Tommaso DeMarie

“Quantum mechanics and systems are fascinating. However, handling atoms, photons, or other small particles presents a challenge because they constantly interact with everything around them, creating what we call noise. This noise causes errors in quantum computations, making the results unreliable. The solution to this problem is quantum error correction, a set of procedures that correct errors faster than they accumulate, ensuring that quantum computations remain valuable.” - Tommaso DeMarie

“Saya telah belajar bahwa mudah untuk jatuh cinta dengan solusi saat membangun perusahaan. Anda melihat solusinya, apakah itu produk atau perangkat lunak, seperti bayi Anda yang Anda lindungi dan memelihara. Ini adalah hal yang sangat manusiawi untuk dilakukan, tetapi itu dapat membuat Anda kaku dan tidak fleksibel, yang sering mengarah pada hal -hal yang tidak berhasil. Sebaliknya, Anda harus jatuh cinta pada masalah ini. Menjaga masalah di depan Anda. - Tommaso DeMarie

Tommaso DeMarie , CEO & Cofounder dari Entropica Labs , dan Jeremy Au berbicara tentang tiga tema utama:

1. Startup Komputasi Kuantum: Tommaso membagikan wawasannya tentang komputasi kuantum dan aplikasi potensial. Dia berbicara tentang perusahaannya, Entropica Labs, yang berfokus pada pengembangan perangkat lunak untuk koreksi kesalahan kuantum, elemen penting dalam komputasi kuantum yang mengurangi kesalahan yang disebabkan oleh kebisingan. Dia menjelaskan bahwa komputer kuantum, tidak seperti komputer klasik, memanfaatkan mekanika kuantum untuk memproses informasi, memungkinkan mereka untuk mengatasi masalah kompleks yang tidak dapat diselesaikan oleh komputer klasik secara efisien. Dia juga menekankan potensi transformatif di bidang seperti komunikasi yang aman, kimia, dan masalah optimasi, memberikan contoh seperti kemampuan untuk memecahkan kode kriptografi dan mensimulasikan sifat kimia molekul lebih akurat.

2. PhD Academia to Founder: Tommaso pertama kali mengejar Sarjana dan Master dalam Fisika, diikuti oleh PhD dalam Teori Informasi Quantum. Meskipun pekerjaan awal dalam pemodelan risiko keuangan, hasratnya untuk komputasi kuantum membuatnya bergabung dengan komunitas riset akademik di Singapura. Dia berbagi bagaimana rilis IBM 2016 dari komputer kuantum berbasis cloud pertama, membuat komputasi kuantum lebih mudah diakses, termotivasi Tommaso untuk beralih dari akademisi ke kewirausahaan. Dia menyoroti tantangan, termasuk pentingnya fokus pada masalah yang relevan dan meningkatkan kompetensi inti seseorang.

3. Kepemilikan Kesalahan Michelin: Tommaso berbagi kisah pribadi tentang bekerja di restoran berbintang Michelin, yang mengajarinya pelajaran berharga dalam kepemilikan dan akuntabilitas. Dalam lingkungan bertekanan tinggi ini, ia belajar pentingnya memiliki kesalahan dan mencari bantuan untuk memperbaikinya. Pengalaman ini sejajar dengan perjalanannya sebagai pendiri startup, di mana ketahanan, pembelajaran berkelanjutan, dan kemampuan beradaptasi sangat penting. Dia juga menekankan bahwa mengambil kepemilikan dan menjadi tulus dalam mengatasi kesalahan adalah sifat utama untuk kepemimpinan yang sukses dan pertumbuhan pribadi, terutama di ekosistem startup.

Jeremy dan Tommaso juga berbicara tentang merevolusi pemodelan iklim, tantangan dalam penggalangan dana untuk startup sains yang mendalam, dan evolusi teknik koreksi kesalahan kuantum.

Harap teruskan wawasan ini atau undang teman -teman di https://whatsapp.com/channel/0029vakr55x6bieluevkn02e

Didukung oleh Heymax!

Tahukah Anda bahwa Anda bisa mendapatkan perjalanan kelas bisnis gratis ke Jepang setiap tahun dengan heymax.ai? HeyMax adalah aplikasi hadiah di mana 500 merek seperti Apple, Shopee, Amazon, Agoda, dan bahkan Bank memberi Anda hadiah atas kesetiaan Anda dengan berkontribusi terhadap liburan impian Anda. Melalui aplikasi HeyMax, setiap transaksi yang Anda hasilkan memberi Anda Max Miles, yang dapat Anda tebus untuk perjalanan gratis di 25+ maskapai penerbangan dan mitra hotel. Daftar di HeyMax.ai sekarang untuk mendapatkan 1.000 Max Miles Head Start - Ubah transaksi harian Anda menjadi liburan mimpi!

Bisnis Anda juga dapat memanfaatkan mata uang loyalitas yang sangat hemat biaya dan diinginkan yang disebut Max Miles yang tidak memiliki kedaluwarsa, tidak ada biaya, dan secara instan 1 hingga 1 dapat ditransfer ke 24 maskapai penerbangan dan hotel untuk memperoleh pelanggan baru dan mendorong penjualan berulang tanpa integrasi yang diperlukan. Jangkau joe@heymax.ai dan sebutkan Brave untuk meningkatkan permainan hadiah Anda dan mengurangi biaya Anda.

Tentu?

(02:10) Jeremy AU:

Hei, Tommaso. Sangat senang memiliki Anda di acara itu.

(02:12) Tommaso DeMarie:

Hei, Jeremy, senang bertemu denganmu.

(02:14) Jeremy AU:

Ya. Saya senang akhirnya kami berhasil membuat ini berhasil. Saya tidak sabar karena Anda melakukan sesuatu yang masih belum saya mengerti, yang merupakan semua barang kuantum, seperti komputasi kuantum. Saya mendengar bahwa Antman, film itu masuk ke alam semesta Quantum. Saya yakin itu seratus persen secara ilmiah logis. Dan sangat senang memiliki Anda di acara itu. Bisakah Anda berbagi sedikit tentang diri Anda?

(02:34) Tommaso DeMarie:

Tentu saja, juga sangat senang berada di acara itu. Jadi saya berasal dari Italia. Saya pindah ke Singapura lebih dari 10 tahun yang lalu. Saya seorang fisikawan dengan pendidikan. Saya seorang geek di hati. Dan hari ini peran saya adalah menjadi CEO dan salah satu pendiri Entropica Labs. Seperti yang Anda sebutkan, seperti yang Anda mengisyaratkan, kami adalah perusahaan komputasi kuantum yang berbasis di sini di Singapura, sudah berusia enam tahun, dan kami sedang membangun komponen kunci dari tumpukan perangkat lunak untuk komputasi kuantum, yang disebut koreksi kesalahan kuantum. Sesuatu yang ingin saya ceritakan.

(03:04) Jeremy AU:

Saya yakin kita akan membahasnya. Bisakah Anda berbagi sedikit lebih banyak sebelum kami suka masuk ke sejarah dan perjalanan, dapatkah Anda berbagi sedikit lebih banyak tentang apa yang dilakukan Entropica?

(03:11) Tommaso Demarie:

Ya, tentu saja. Jadi seperti yang saya sebutkan, kami adalah perusahaan perangkat lunak, yang berarti kami tidak membangun komputer kuantum. Tapi apa yang kami lakukan, kami menangani salah satu masalah mendasar yang terkait dengan, dengan kuantum. Seperti namanya, kuantum, komputer kuantum adalah perangkat yang memproses informasi menggunakan sistem kuantum dan mengetuk efek yang sangat khusus dari mekanika kuantum.

(03:33) Tommaso DeMarie:

Jadi mekanika kuantum fantastis dan sistem kuantum luar biasa. Tetapi seperti yang dapat Anda bayangkan dengan mudah, ketika Anda mencoba menangani atom atau foton atau partikel yang sangat kecil secara umum. Masalahnya adalah hal -hal ini berinteraksi dengan segalanya. Mereka selalu berinteraksi dengan alam semesta, mereka selalu berinteraksi dengan alam, dan masalah besar yang dimiliki komputer kuantum adalah sesuatu yang disebut noise.

Bukan kebisingan, seperti mereka sangat berisik, tetapi kebisingan dalam arti bahwa Anda memiliki interaksi dengan segala sesuatu di sekitar mereka. Dan ada masalah karena jika Anda mencoba menjalankan perhitungan kuantum pada komputer kuantum, kesalahan yang sangat cepat menumpuk dan Anda tidak mendapatkan apa pun yang berharga darinya. Jadi kami membutuhkan solusi dan solusinya disebut Koreksi Kesalahan Quantum, yang merupakan serangkaian prosedur yang perlu Anda terapkan pada komputer kuantum untuk memastikan bahwa Anda dapat memperbaiki kesalahan lebih cepat daripada menumpuk dalam perhitungan.

Apa yang kami lakukan adalah membangun tumpukan perangkat lunak yang Anda butuhkan untuk melakukan koreksi kesalahan pada komputer kuantum. Dan saya mencoba memberi Anda sedikit analogi. Saya suka analogi, terutama dalam fisika. Mereka biasanya sangat efektif. Anda mungkin terbiasa dengan salah satu contoh koreksi kesalahan terbaik dalam kehidupan kita sehari -hari, yang merupakan lemari es yang kemungkinan besar Anda miliki di dapur Anda.

Kulkas adalah perangkat koreksi kesalahan. Karena apa yang terjadi, itu menghilangkan entropi, dan maaf jika saya sedikit terlalu akademis di sini, tetapi menghilangkan entropi dari makanan yang Anda miliki. Karena jika Anda meninggalkan makanan di luar, terutama di tempat seperti Singapura, itu akan menjadi sangat buruk, sangat cepat. Dan Anda dapat menganggapnya sebagai kesalahan yang terjadi dengan makanan Anda. Jika Anda memasukkannya ke dalam lemari es, apa yang dilakukan lemari es adalah memompa entropi secara harfiah. Sebenarnya, inilah mengapa Anda memiliki pompa panas di belakang lemari es, mendinginkan makanan, menyimpan makanan dan memelihara semuanya sebagaimana mestinya, lebih lama waktu daripada yang seharusnya.

Di satu sisi, koreksi kesalahan kuantum melakukan sesuatu secara metaforis sangat mirip. Ini memompa entropi keluar dari komputer kuantum sehingga Anda dapat mempertahankan keadaan perhitungan Anda lebih lama. Ngomong -ngomong, itu adalah deskripsi yang sangat rumit yang baru saja saya berikan kepada Anda juga merupakan bagian dari alasan mengapa nama perusahaan adalah entropica karena entropi adalah konsep kunci dalam segala hal yang sedang kita diskusikan.

(05:25) Jeremy AU:

Luar biasa. Dan kembali ke masa pertama kali masuk ke ini karena, Anda adalah seorang sarjana dalam bidang fisika dan sejauh ini. Jadi bagaimana cinta pertama untuk sains dan komputasi kuantum terjadi?

(05:36) Tommaso DeMarie:

Oke. Jika Anda pergi, atau jika saya benar -benar kembali ke masa lalu, saya ingat ketika saya masih kecil, saya tumbuh membaca banyak fiksi ilmiah. Saya menyukainya. Saya tumbuh dengan penuh kasih sains, teknologi yang penuh kasih, mencintai konsep komputasi, saya, saya banyak membaca, semua buku Herbert, Dune dan Forward, jauh sebelum menjadi sensasi. Saya suka Asimov. Saya suka di yayasan semua buku seri robot. Jadi ada kecenderungan alami ini untuk semua yang terkait dengan teknologi yang saya miliki. Sekarang, ini bagian yang menyenangkan, bukan? Saya juga dapat membagikan sesuatu yang sangat pribadi yang tentu saja memengaruhi saya ketika saya jauh lebih muda. Apa yang terjadi ketika saya berusia 11 tahun sebenarnya adalah bahwa salah satu kerabat dekat saya benar -benar didiagnosis dengan ALS, yang merupakan penyakit neuron motorik yang fatal. Cukup mengerikan. Dan saya ingat dengan sangat jelas hal ini yang dibuat beberapa kali, bukan? Bahwa para dokter akan mengatakan, tidak ada yang bisa kita lakukan. Kami tidak cukup mengerti tentang penyakit ini bahwa sama sekali tidak ada yang bisa kami lakukan. Kita bisa menunggu, mencoba membantu orang itu, yang benar -benar memilukan, bukan?

Dan merenungkan episode ini, sesuatu yang menjadi sangat jelas bagi saya adalah bahwa ketika kita tidak tahu sesuatu, maka rasa sakit terjadi. Penderitaan terjadi. Dan Anda dapat mengubah konsep itu dan pandangan positif adalah bahwa semakin banyak kita tahu, semakin banyak kita belajar tentang alam semesta, semakin banyak kita belajar tentang alam. Dan semakin saya percaya kita dapat memperbaiki banyak masalah dan banyak penderitaan yang masih mempengaruhi kemanusiaan, hewan planet. Dan ini adalah sesuatu yang sangat saya pegang. Alasan mengapa ketika saya selalu ingin menjadi ilmuwan adalah karena saya pikir ada sesuatu yang secara fundamental penting tentang belajar. Kita belajar tentang alam, kita belajar tentang fisika, kita dapat membangun teknologi yang lebih baik, dan kita dapat meningkatkan kehidupan semua orang.

Dan saya sangat percaya akan hal itu. Dan inilah mengapa saya pergi untuk belajar fisika. Seperti yang Anda sebutkan, saya, II pertama kali melakukan Sarjana Fisika. Kemudian saya melakukan master dalam fisika lingkungan karena sebenarnya, saya ingin mengerjakan model iklim. Saya ingin bekerja pada model matematika untuk iklim. Dan ini adalah ketika seluruh gagasan komputasi kuantum terjadi, terjadi karena dengan profesor saya pada saat itu, kami menghargai bahwa beberapa perhitungan, pada kenyataannya, sebagian besar perhitungan dalam, dalam model iklim sangat sulit. Jadi, bahkan jika Anda menggunakan superkomputer, ada batasan untuk apa yang dapat Anda lakukan.

Dan kemudian kami mulai belajar tentang komputasi kuantum, yang masih merupakan ide yang cukup baru. Itu seumur hidup yang lalu. Ini pada tahun 2008. Jadi 16 tahun yang lalu. Itu masih merupakan ide yang cukup baru di dalam, di. Di dunia akademis.

Dan kami mulai menghargai bahwa ada banyak masalah di luar sana yang membutuhkan daya komputasi besar -besaran. Dan seluruh janji komputasi kuantum adalah bahwa mereka dapat menyelesaikan masalah tertentu yang tidak dapat diselesaikan oleh komputer tradisional yang kita miliki, bahkan oleh superkomputer. Jadi hubungannya sangat rapi. Lihatlah masalah besar dalam fisika lingkungan dan pelajari bahwa beberapa masalah membutuhkan lebih banyak. Dan saat itulah saya menjadi sangat bersemangat dan sedikit terobsesi dengan seluruh konsep komputasi kuantum.

(08:19) Jeremy AU:

Luar biasa. Ketika Anda melihatnya, Anda memutuskan untuk melakukan gelar PhD, bukan? Jadi apa alasan di belakang PhD? Karena, seseorang dapat menyukai komputasi kuantum, tetapi mungkin tidak melakukan PhD, meskipun saya merasa seperti Anda harus menjadi PhD untuk memahami komputasi kuantum. Tapi apa alasan di belakang PhD?

(08:33) Tommaso DeMarie:

Tentu. Fakta yang sangat menyenangkan, saya tidak langsung melakukan PhD. Bahkan, saya ditawari pekerjaan oleh bank di Italia. Saya masih di Italia saat itu. Mereka menawari saya pekerjaan di departemen manajemen risiko bank, yang harus saya katakan sebenarnya cukup menyenangkan karena kami bekerja dengan model statistik, model matematika, metode Monte Carlo untuk, untuk mengevaluasi risiko di berbagai operasi bank.

Saya menyukainya. Dan itu adalah pengalaman hebat. Itu berlangsung selama hampir satu tahun yang memberi saya sedikit lebih banyak dari saya kira, pemahaman praktis dan pemikiran praktis, kan? Menjadi sedikit lebih pragmatis. Tetapi untuk menjawab pertanyaan Anda, alasan mengapa saya akhirnya masih mengajukan beasiswa PhD dan mendapatkan beasiswa dan pindah ke Australia dari semua tempat. Jadi saya pindah ke Sydney pada 2010 untuk melakukan PhD. Itu karena pada saat itu jika Anda ingin mengerjakan komputasi kuantum, kenyataannya Anda tidak memiliki banyak jalan untuk melakukan itu. Satu -satunya perjalanan yang tepat yang bisa Anda lakukan adalah yang akademis terutama di Italia. Maksud saya, jika saya ingin bekerja pada komputasi kuantum di Italia, itu tidak akan terjadi, tetapi di pusat -pusat akademik yang lebih besar secara global, mereka memiliki peluang untuk itu.

Jadi tidak ada banyak pilihan, tetapi juga saya pribadi suka belajar. Saya benar -benar ingin pindah dari Eropa. Saya ingin pergi ke Australia. Saya ingin menghadapi tantangan berada di tempat yang sama sekali berbeda di mana saya tidak mengenal siapa pun, di mana saya sendiri dan saya harus membangun masa depan saya sendiri, karier saya sendiri. Dan saya sangat beruntung dapat diterima dalam kelompok yang memiliki profesor yang benar -benar luar biasa, bekerja pada berbagai aspek dari apa yang disebut teori informasi kuantum. Jadi ketika kesempatan muncul, saya mengambilnya. Saya berterima kasih kepada semua orang di bank, berhenti dari pekerjaan saya, mengemas tas saya. Dan begitu saya mendapatkan visa, saya pindah ke Australia. Itu benar -benar satu -satunya pilihan. Untuk menekankan intinya, itu benar -benar satu -satunya pilihan jika Anda ingin bekerja pada komputasi kuantum.

Tapi sekarang saya ingin mematahkan salah satu mitos. Ini bukan mitos besar, tapi itu sesuatu yang Anda katakan. Anda mengatakan bahwa Anda memerlukan PhD untuk bekerja pada komputasi kuantum. Pada 2010, itu akan benar. Pada tahun 2024, itu tidak benar lagi. Dan saya dapat berbicara karena pengalaman karena beberapa orang terbaik yang kami miliki di Entropica, mereka tidak memiliki PhD dalam komputasi kuantum. Mereka sangat pintar. Mereka masih memiliki latar belakang akademis yang kuat, tetapi beberapa dari mereka memiliki sarjana, beberapa dari mereka memiliki master. Apa yang benar -benar indah tentang apa yang telah berubah di seluruh bidang komputasi kuantum dalam 14, 15 tahun terakhir adalah bahwa hari ini, Anda dapat memainkan peran yang sangat besar tanpa perlu memiliki latar belakang akademik yang berat sehingga, misalnya, saya miliki karena ada begitu banyak peluang, begitu banyak masalah terbuka di seluruh perangkat lunak, kecerdasan buatan, pembelajaran mesin, desain arsitektur, dan informasi kuantum.

Itu sebenarnya, salah satu tujuan besar yang kami miliki adalah untuk menarik orang -orang di berbagai domain untuk benar -benar datang dan berkontribusi pada pengembangan lapangan. Jadi saya mulai membuat titik di sini dan intinya adalah bahwa ada banyak pekerjaan yang harus dilakukan dalam komputasi kuantum, beberapa pekerjaan paling menarik yang kemungkinan besar akan Anda lakukan dalam hidup Anda, terutama karena bidangnya baru, mulai, dan Anda tidak membutuhkan PhD lagi. Ada banyak masalah terbuka yang tidak memerlukan gelar PhD. Mereka membutuhkan kerja keras. Mereka membutuhkan pemahaman yang baik tentang komputasi, tetapi mereka tidak memerlukan PhD.

(11:22) Jeremy AU:

Dan yang menarik adalah bahwa, sudut pandang klasik untuk PhD kami adalah bahwa mereka akan menjadi profesor, seperti bergabung dengan akademisi dan Anda memutuskan untuk menjadi pendiri sebagai gantinya. Bisakah Anda berbagi sedikit lebih banyak tentang pilihan karier itu?

(11:34) Tommaso DeMarie:

Ya, saya bisa. Setelah PhD, saya pindah ke Singapura. Di Singapura, kami sangat beruntung karena kami memiliki salah satu pusat keunggulan terbaik untuk penelitian tentang teknologi kuantum. Ini adalah pusat teknologi kuantum, CQT, berbasis di NUS dan pada tahun 2014, ketika saya pindah ke Singapura, saya berafiliasi dengan CQT. Meskipun posisi saya menjadi postdoc riset, peneliti di SUTD, Universitas Teknologi dan Desain Singapura. Dan saya sangat beruntung bergabung dengan kelompok Joe Fitzsimons, yang untuk catatan yang juga beralih dari akademisi ke kewirausahaan, dan hari ini adalah CEO dan pendiri Horizon Quantum, perusahaan komputasi kuantum lain yang berbasis di Singapura.

(12:11) Tommaso Demarie:

Saya sangat beruntung bergabung dengan kelompoknya. Dan alasan mengapa saya mengatakan itu karena di dalam kelompok itu, kita semua memiliki pandangan yang sangat pragmatis tentang bidang komputasi kuantum. Kami sedang melakukan penelitian teoritis. Jadi kami sedang mengerjakan algoritma pada protokol kriptografi dan sejenisnya, tetapi tujuannya bukan untuk mengejar hasil epistemologis, yang berarti hanya menciptakan pengetahuan demi pengetahuan. Tujuannya adalah selalu membuat komputasi kuantum menjadi teknologi praktis. Dan itu benar -benar membantu saya untuk membentuk pemahaman bahwa pada akhirnya, jika Anda ingin menciptakan dampak pada skala yang sangat besar di dunia saat ini, tidak mungkin Anda dapat melakukannya di dunia akademis.

Dan pada kenyataannya, di dunia saat ini, kami juga memiliki begitu banyak peluang, terutama ketika datang ke pembangunan perusahaan dan kewirausahaan. Alat dan sumber daya yang tersedia bagi orang -orang hanya sulit dipercaya, bahkan dibandingkan dengan 10 atau 15 tahun yang lalu. Jadi bagian pertama dari jawabannya adalah jika Anda ingin menciptakan dampak skala besar dan Anda benar -benar bersemangat membuat teknologi itu nyata, saya percaya bahwa hari ini Anda harus melakukannya di luar akademisi.

Lalu ada alasan pribadi, bukan? Dan alasan pribadi adalah bahwa saya percaya teknologi pada dasarnya merupakan kekuatan untuk kebaikan. Dan saya tidak ingin komputasi kuantum tetap menjadi upaya teoretis atau tetap merupakan upaya konseptual. Saya ingin mentransisikannya. Saya ingin berkontribusi untuk mentransisikannya di luar aula akademik dan memastikan bahwa itu bisa bermanfaat bagi semua orang, seperti halnya komputer menguntungkan semua orang. Dan poin ketiga adalah bahwa ketika saya masih postdoc, ada perubahan besar di lapangan. Dan ini lebih tentang waktu, tentang waktu yang tepat. Jadi pada tahun 2016, IBM menempatkan komputer kuantum pertama di cloud. Itu adalah prototipe yang sangat kecil.

Itu adalah perangkat lima qubit. Qubit adalah bit kuantum. Jadi anggap itu sebagai prosesor bit lima kuantum, tetapi tersedia untuk semua orang secara gratis. Anda hanya perlu menghubungkan panggilan API dan Anda dapat mengirimkan perhitungan kuantum kecil dan sederhana ke perangkat ini dan mendapatkan hasilnya kembali. Dan Anda harus menghargai betapa luar biasa itu karena sebelum perangkat itu tersedia online, jika Anda sebagai peneliti teoretis ingin menguji sesuatu pada prosesor kuantum nyata, Anda harus menemukan kelompok eksperimen. Mesin kepala, mesin perlu tersedia. Anda perlu membuat proposal. Anda perlu menghabiskan banyak waktu untuk membangun dan semua itu. Mungkin menghabiskan satu tahun sampai waktu yang tepat tersedia untuk menjalankan percobaan, menjalankan percobaan, menganalisis data. Maksudku, itu benar, kan? Tetapi seperti yang dapat Anda hargai, butuh banyak waktu untuk menyelesaikan sesuatu. Sekarang perangkat tersedia untuk Anda. Anda hanya terhubung dalam lima menit, hasil Anda. Dan itu cukup lucu karena saya pikir pada awalnya, saya adalah salah satu pengguna terberat. Saya tidak dapat membuktikan klaim ini tetapi saya mengajukan klaim.

(14:40) Tommaso DeMarie:

Karena proyek yang kami lakukan, saya adalah salah satu pengguna terberat dari mesin itu. Saya mengirimkan ribuan permintaan ke perangkat awal itu. Jadi mengapa saya mengatakan itu karena ada perubahan besar. Tiba -tiba, komputasi kuantum bukan hanya ide, ini bukan hanya upaya teoretis, itu bukan hanya upaya akademis, tetapi ada perusahaan besar yang menyediakan mesin untuk Anda gunakan. Saya menyukainya. Dampak, motivasi pribadi, dan waktu yang baik. Ketika Anda menyatukan semua itu, 2016, saya benar -benar mulai bertanya pada diri sendiri, apakah saya ingin mencoba menjadi profesor? Atau apakah saya ingin menjadi nyata pada keyakinan saya, pada nilai -nilai saya, pada hasrat saya, dan menyeberangi jurang dan mencoba menjadikannya sebagai pengusaha.

(15:17) Jeremy AU:

Luar biasa. Dan, dari perspektif itu, Anda memutuskan untuk menjadi pendiri dan banyak PhD dan ilmuwan sering mungkin ingin melakukan transisi ke arah menjadi pendiri. Apa pengalaman Anda dalam memutuskan untuk membangun startup pertama itu?

(15:29) Tommaso DeMarie:

Ini adalah hal yang paling menyakitkan yang dapat Anda lakukan untuk diri sendiri. Ini adalah rasa sakit dari awal hingga akhir. Sungguh menakjubkan, terutama dalam beberapa tahun pertama, kami. Saya katakan kami karena saya tidak sendirian. Dan saran saya adalah jika Anda bisa, jangan lakukan itu sendiri. Temukan seseorang yang benar -benar Anda percayai, seseorang yang berbagi nilai -nilai Anda, yang berbagi misi, visi Anda, dan melakukannya bersama karena itu adalah pekerjaan yang sepi. Ini adalah pekerjaan yang sulit, dan jika Anda memiliki seseorang di pihak Anda, itu benar -benar mengubah segalanya. Jadi bersama dengan Ewan, siapa CTO dan cofounder kami di Entropica. Pada tahun 2018, kami berdua keluar dari pekerjaan kami di universitas. Dan apa yang kami lakukan adalah bergabung dengan pengusaha terlebih dahulu, pada saat itu di sebuah cabang di sini di Singapura.

Jadi kami bergabung sebagai tim sejak awal, dan ini adalah awal dari perjalanan kami. Tetapi apa yang akan saya katakan adalah bahwa dalam beberapa tahun pertama, kami melakukan semua kesalahan yang dapat Anda bayangkan sebagai pendiri, yang sangat membuat frustrasi. Tetapi ini juga merupakan pengalaman belajar yang hebat, terutama ketika Anda berasal dari akademisi, kenyataannya adalah bahwa tidak banyak lagi yang dapat Anda lakukan, tetapi terus menabrak hidung Anda ke dinding sampai Anda mengetahui apa pintunya dan Anda berhenti memukul hidung Anda ke dinding. Bahkan, saya bisa memberi tahu Anda sedikit lebih banyak, bukan? Saya dapat memberi tahu Anda, saya dapat memberi tahu Anda bagaimana kami memulai Entropica dan salah satu kesalahan besar kutipan besar yang kami lakukan.

Ada kecenderungan dalam kewirausahaan, atau terutama dalam pembangunan startup, untuk menghasilkan pernyataan masalah yang sangat kuat sejak awal. Kami sedang membangun X untuk menyelesaikan y sehingga kami dapat melakukan Z. dan kadang -kadang ada penekanan, terutama dari investor atau dari orang -orang di sekitar Anda, untuk mendorong Anda untuk membuat hal -hal dengan cara itu, yang masuk akal. Ini bekerja dengan sangat baik untuk 90%, mungkin 95 persen perusahaan. Tapi terkadang tidak berhasil. Anda dan pada awalnya bagi kami, kami, saya percaya hari ini kami perlu mengambil pendekatan yang berbeda, tetapi kami masih mengikuti saran itu. Dan yang kami lakukan adalah mengatakan, kami akan memecahkan masalah keras dalam biologi komputasi menggunakan komputasi kuantum.

Mengapa Biologi Komputasi? Karena kami berdua menyukainya. Saya pribadi menyukainya. Jika saya bisa kembali ke masa lalu, jika saya bisa menjalani kehidupan lain, saya akan senang melakukan PhD dalam ilmu saraf. Saya menyukainya. Sisihkan itu. Banyak masalah menarik, dampak tinggi. Jika Anda dapat meningkatkan pemahaman kita tentang genomik, misalnya, kita benar -benar dapat mulai menangani beberapa penyakit tersulit yang masih ada, yang masih ada sampai sekarang.

Seperti yang saya sebutkan, masalah komputasi yang keras melihat tanah yang sangat subur untuk komputasi kuantum memiliki dampak. Masalah dengan semua itu adalah bahwa Ewan maupun saya adalah ahli biologi. Dan sangat sulit untuk menemukan titik masuk ke bidang yang sudah sangat kompleks dan Anda tidak sepenuhnya mengerti. Jadi apa yang terjadi di awal kehidupan Entropica adalah bahwa kami menghabiskan sekitar satu tahun mencoba menemukan pernyataan masalah pertama yang masuk akal bagi kami untuk mengatasi. Dan Anda melihat bahwa kami mendapatkan logikanya, kami salah rasional. Dan kami mematahkan dorongan hati ketika kami saling memandang dan kami berkata, lihat, ini tidak akan berhasil.

Kami ahli dalam komputasi kuantum. Kami memahami komputasi kuantum dengan sangat baik. Kami memahami masalah dalam komputasi kuantum. Jangan terlalu rumit hal -hal. Mari kita mundur selangkah. Mari kita identifikasi apa yang hilang dalam komputasi kuantum dan kerjakan itu. Dan pergeseran itu luar biasa karena secara harfiah, kami beralih, kami telah menggalang dana selama lebih dari 12 bulan dan tidak ada yang percaya pada visi kami dalam waktu kurang dari tiga minggu, kami mendapat lembar istilah. Tapi kenapa? Karena kami fokus pada kekuatan kami. Kami fokus pada masalah yang kami pahami. Jadi itu adalah salah satu pelajaran pertama yang saya pelajari. Jangan pernah terlalu rumit. Fokus pada apa yang Anda ketahui. Gunakan keterampilan Anda. Gunakan pemahaman Anda. Gunakan itu sebagai titik awal. Juga, jangan takut kesalahan. Melakukan kesalahan sebanyak yang Anda mampu berkomitmen, karena itu adalah cara terbaik untuk belajar. Sungguh, itu adalah cara terbaik untuk belajar. Jadi saya menyelesaikan jawaban panjang ini untuk mengatakan bahwa pengalaman itu sangat menyakitkan dan rasanya seperti Anda selalu, selalu jatuh, memukul kepala Anda, tetapi Anda tahu apa yang baik -baik saja. Anda menaikkan dan Anda terus berjalan dan berlari lagi sampai Anda jatuh sekali lagi dan tidak apa -apa. Itu bagian dari proses.

(19:16) Jeremy AU:

Apa sesuatu yang Anda temukan tentang membangun startup yang tidak Anda pahami sebagai PhD atau ilmuwan.

(19:24) Tommaso DeMarie:

Itu pertanyaan yang bagus.

Oke, izinkan saya, izinkan saya mencoba, izinkan saya mencoba menjawabnya dengan memetakan kesamaan dan perbedaan antara melakukan sains dan membangun startup atau membangun perusahaan. Dan saya akan, dan saya akan menggunakan contoh yang baru saja saya buat sebagai, sebagai titik awal. Saya pikir dalam kedua kasus, titik awal sangat mirip. Apa yang harus Anda lakukan, saya percaya, Anda harus jatuh cinta dengan suatu masalah. Dengan masalah yang Anda pahami bahwa Anda dapat mengartikulasikan.

(19:47) Tommaso DeMarie:

Sesuatu yang saya pelajari adalah sangat mudah untuk jatuh cinta dengan solusi saat Anda membangun perusahaan. Karena Anda memikirkan solusinya, Anda memikirkan produknya, Anda memikirkan perangkat lunaknya, Anda menganggap apa pun yang Anda bangun sebagai bayi kecil yang Anda lindungi dari dunia, dari lingkungan, dan Anda ingin bayi ini tumbuh. Dan itu adalah hal yang sangat manusiawi. Tetapi jika Anda jatuh cinta dengan solusinya, Anda akan menjadi sangat kaku. Anda akan menjadi sangat ketat. Dan kemungkinan besar hal tidak akan berhasil. Anda harus jatuh cinta dengan masalahnya. Hal yang harus selalu jelas dalam pikiran Anda adalah masalahnya. Solusinya akan berubah satu juta kali. Masalahnya adalah kuncinya. Dan ini benar dalam sains, seperti itu benar dalam kewirausahaan. Anda ingin memiliki pemahaman yang jelas tentang masalah, dan kemudian membangun solusi untuk itu. Apa perubahan adalah proses validasi dan hasil yang Anda cari.

Jadi dalam sains, Anda memiliki proses validasi yang sangat ketat, metode ilmiah. Anda tidak bisa mengayunkannya. Ada langkah -langkah yang perlu Anda ikuti. Anda membuat hipotesis. Anda membuat percobaan, Anda mengujinya, Anda menguraikan data, dan kemudian Anda melanjutkan. Tetapi di startup, Anda memiliki lebih banyak fleksibilitas. Anda harus sangat pragmatis. Saya pikir satu kesalahan yang kami lakukan berkali -kali selama kehidupan Entropica adalah bahwa kami membingungkan kedua metode ini.

Terkadang kami terlalu kaku. Kami terlalu ketat dengan diri kami sendiri. Di startup sedikit seperti yang Anda perbaiki. Bayangkan Anda berada di atas kapal, kan? Dan Anda memperbaiki bintang yang jauh dan bintang, maka North Star adalah tujuan Anda, adalah masalah yang ingin Anda selesaikan. Dan Anda mulai berlayar. Dan pada awalnya, hanya ada dua dari Anda dan perahu penuh lubang terus -menerus tenggelam. Dan Anda ada di sana dengan ember yang mencoba, membuang air keluar dari kapal. Tetapi semakin banyak Anda melanjutkan, semakin banyak orang bergabung dengan kapal, semakin banyak uang yang Anda miliki, semakin banyak mitra yang Anda miliki. Jadi Anda bisa menumbuhkan perahu, Anda bisa menjadi lebih besar. Tapi poin penting di sini adalah itu. Anda tidak perlu berlayar melalui badai.

Seperti Anda memiliki kemampuan untuk memutuskan jalan. Yang penting adalah bintang utara, tetapi jalan antara hari ini dan bintang utara terserah Anda. Dan ini sangat berbeda dari metode ilmiah, di mana Anda perlu mengikuti pendekatan yang sangat ketat. Dan saya pikir itu sangat, sangat penting. Jangan, jangan membingungkan keduanya. Jangan mencoba menjadi terlalu kaku. Jadilah fleksibel, jadilah pragmatis, perlu diingat bahwa Anda jatuh cinta dengan masalah, bukan dengan solusinya. Carilah Bintang Utara, tetapi navigasikan melalui badai. Terkadang Anda harus melalui badai dan kemudian memastikan bahwa Anda bertahan hidup dan keluar dari itu. Dan juga tujuan akhirnya sangat berbeda.

Dalam sains, sepenuhnya valid bahwa tujuan akhir Anda adalah pengetahuan murni. Apa yang Anda lakukan, Anda meningkatkan pengetahuan umat manusia, bahkan jika itu tidak memiliki aplikasi praktis. Anda meningkatkan pemahaman alam dan ada tujuan yang sangat mulia. Tetapi jika Anda membangun perusahaan, tujuannya harus berbeda.

Akhirnya Anda ingin memberikan nilai. Anda ingin menguntungkan. Anda perlu kembali ke pemangku kepentingan Anda, kepada investor Anda dengan pengembalian keuangan, dan saya pikir itu juga penting bagi para ilmuwan yang mengubah pengusaha untuk menjaga perbedaan itu sangat jelas dalam pikiran mereka. Dan saya tidak mencoba mengatakan bahwa uang adalah satu -satunya hal yang penting, meskipun uang memang penting. Apa yang saya coba katakan juga adalah bahwa Anda mencari hasil praktis. Bagi kami, kami ingin membuat komputer kuantum dapat diakses oleh pengembang. Kami ingin membuat komputer kuantum berharga. Kami ingin memastikan bahwa komputer kuantum dapat menyelesaikan masalah -masalah sulit itu dan menguntungkan semua umat manusia. Dan itulah tujuannya.

Dan jelas Anda juga mencari pertumbuhan finansial dan profitabilitas finansial dari itu. Saya akan mengatakan ini benar -benar pelajaran terbesar di level tinggi bagi saya. Perbedaan antara pendekatan ilmiah dan sebut saja pendekatan startup. Sangat, sangat indah. Titik awal yang serupa, tujuan akhir yang berbeda dan lintasan yang berbeda. Dan penting untuk mengingatnya.

(23:03) Jeremy AU:

Yang menarik adalah bahwa sekarang Anda sedang membangun perusahaan ini dalam komputasi kuantum terutama dengan perspektif perangkat lunak. Apa yang dilakukan komputasi kuantum bagi kita yang tidak bisa dilakukan komputer tradisional? Saya tahu ini terdengar seperti pertanyaan dasar, tetapi Anda tahu, komputer saya sudah dapat melakukan panggilan zoom, menjalankan Excel, menjalankan model manajemen risiko, menghasilkan blockchain. Jadi, apa yang dilakukan perangkat lunak kuantum yang memberi kita beberapa keuntungan dan sebagai hasilnya apa saja?

(23:29) Tommaso DeMarie:

Oke, ambil semua contoh yang baru saja Anda daftarkan, komputer Anda akan terus melakukan semua itu. Jadi komputasi kuantum tidak akan menggantikan panggilan zoom Anda. Kita harus memikirkan dua paradigma dengan cara yang sedikit berbeda. Dan pertama -tama, saya akan mengatakan satu hal, komputer klasik atau konvensional, biasanya di lapangan, kami menyebutnya sebagai komputer klasik. Salah satu yang kami gunakan sekarang, misalnya, tetapi juga ponsel Anda atau HPC. Ini semua adalah komputer klasik.

GPU juga didasarkan pada logika komputasi klasik, atau FPGA. Ini semua adalah contoh sistem komputasi klasik. Dan perangkat itu sangat kuat. Sangat kuat. Maksud saya, dalam dekade terakhir, kami belajar bagaimana memparalelkan hal -hal. Kami belajar cara mempercepat aljabar linier, cara mempercepat perhitungan tensor.

Dan hasil dari semua pembelajaran itu adalah chatgpt, model AI yang lebih baik dan sebagainya. Jadi komputer konvensional, komputer klasik sangat kuat, namun, ada beberapa masalah yang memiliki kompleksitas yang sangat tinggi, sehingga bahkan jika Anda menempatkan semua kekuatan komputasi yang kami miliki di planet ini hari ini, Anda tidak akan dapat menyelesaikannya.

Saya akan memberi Anda contoh sederhana. Ketika Anda terhubung ke akun Gmail Anda atau ke akun penyedia email apa pun, atau ketika Anda terhubung ke bank Anda, apa yang Anda lakukan, Anda membuat saluran komunikasi yang aman antara Anda dan sehingga ketika Anda mengirim kata sandi, bahkan jika seseorang menguping, mereka tidak dapat membaca paspor Anda.

Jadi, Anda membuat saluran komunikasi yang aman antara kedua pihak dan Anda dapat bertukar informasi dengan aman. Anda dapat melihat detail rekening bank Anda. Anda dapat melakukan semua itu dan Anda tahu bahwa Anda aman. Tidak ada yang bisa memata -matai Anda. Dan alasan mengapa Anda aman adalah karena ketika Anda membuat saluran komunikasi ini, yang sebenarnya Anda lakukan adalah Anda menggunakan kompleksitas masalah untuk melindungi Anda. Masalahnya adalah jika saya mengambil dua bilangan prima yang sangat besar dan saya melipatgandakannya yang merupakan hal yang sangat sederhana untuk dilakukan, Anda dapat melakukannya dengan tangan, bukan? Anda mendapatkan angka yang sangat besar. Jadi ini mudah dilakukan. Tetapi jika saya memberi Anda angka yang sangat besar dan saya meminta Anda untuk menemukan dua faktor utama, multipel bersama -sama akan memberi Anda angka besar. Ternyata masalah ini tidak mungkin dipecahkan, pada skala tertentu, untuk komputer tradisional. Butuh jutaan tahun untuk memecahkannya, untuk memecahkan masalah ini. Dan karena itu, Anda dapat menggunakan properti ini dengan cara yang sangat cerdas. Anda dapat membangun saluran komunikasi yang aman. Jadi ini adalah contoh sederhana yang kita gunakan setiap hari, bahkan jika kita tidak menyadarinya. Bahkan jika kita tidak menyadarinya. Dari masalah komputasi yang sulit yang bahkan memberikan semua kekuatan GPU yang kami miliki saat ini, Anda tidak akan bisa retak. Dan karena jaminan ini, kami dapat menggunakan internet dengan aman. Sekarang, apa yang terjadi adalah bahwa komputer kuantum, ternyata, benar -benar dapat memecahkan masalah secara efisien.

Jadi, alih -alih membutuhkan waktu jutaan tahun untuk menemukan faktor utama, mungkin perlu beberapa jam atau mungkin sehari. Jadi Anda dapat menghargai perbedaan dalam rentang waktu. Kami beralih dari, waktu yang dibutuhkan untuk beralih dari dinosaurus ke manusia, menjadi beberapa jam. Ini adalah urutan besarnya yang sangat berbeda.

Dan itu memberikan contoh mengapa komputer kuantum sangat kuat. Tapi itu juga memberikan contoh masalah yang kita temui setiap hari, bahkan jika kita tidak menyadarinya, itu bisa retak dengan komputer kuantum. Sekarang, jelas di sini ada konotasi negatif dan konotasi negatif adalah bahwa komputer kuantum akan berdampak pada bidang kriptografi, yang merupakan sesuatu yang merupakan diskusi besar yang terjadi saat ini.

Tapi mengesampingkannya, ada banyak masalah serupa lainnya di sejumlah bidang yang akan mendapat manfaat dari daya komputasi kuantum. Aljabar linier dapat diselesaikan lebih cepat dengan komputer kuantum, yang merupakan aplikasi di semua rekayasa. Teknik pembelajaran mesin tertentu dapat mengambil manfaat dari speedup dari komputer kuantum, yang menarik karena potensi itu adalah untuk melatih model yang lebih kuat dalam waktu yang lebih sedikit atau menggunakan lebih sedikit data dan juga menggunakan lebih sedikit energi karena satu komputer, sejauh yang dapat kami katakan hari ini, mereka lebih hemat energi daripada komputer konvensional.

Yang membutuhkan banyak pendinginan dan banyak daya hanya untuk, hanya untuk berfungsi. Kemudian Anda memiliki aplikasi dalam kimia jika Anda ingin sepenuhnya mensimulasikan sifat kimia molekul, Anda tidak dapat melakukannya dengan komputer klasik karena molekul adalah sistem mekanik kuantum. Jadi Anda memerlukan sistem mekanik kuantum untuk itu, dan komputer kuantum adalah seperti itu, yang akan membantu dan meningkatkan pemahaman kita tentang kimia dan ilmu material, yang kemungkinan besar akan memiliki efek di hampir semua yang kita lakukan dalam ekonomi modern. Bayangkan jika Anda dapat membangun baterai yang lebih efisien, yang akan memiliki dampak dalam otomotif, dalam transportasi. Bayangkan jika Anda dapat membangun panel surya yang lebih efisien.

Bayangkan jika Anda dapat mensimulasikan apa yang terjadi di dalam reaktor fusi lebih efektif. bahwa itu dapat membantu kita lebih dekat untuk membersihkan energi lebih cepat. Terima kasih untuk Fusion. Ini hanya untuk memberi Anda rasa masalah komputasi yang sangat sulit yang ada di alam sehingga hari ini kita berjuang untuk mengatasi, tetapi komputasi kuantum itu dapat membantu kita menyelesaikannya. Dan jika komputer kuantum akan berhasil menyelesaikan bahkan beberapa masalah ini. Saya percaya kita akan memasuki era baru inovasi teknologi, penemuan ilmiah, sesuatu yang sangat mirip dengan apa yang terjadi seratus tahun yang lalu dengan pemahaman model fisik yang lebih baik, yang memberi kita komputer dan kemudian semuanya berubah untuk masyarakat manusia. Ini sangat menarik, saya harap saya berhasil menjawab pertanyaan Anda.

(28:26) Jeremy AU:

Luar biasa. Bisakah Anda berbagi tentang waktu yang secara pribadi Anda berani?

(28:29) Tommaso DeMarie:

Saya bisa. Ini akan menjadi cerita kecil. Tidak akan ada kisah besar tentang keberanian atau semacamnya, tapi ini adalah kisah yang memiliki arti bagi saya. Dan, itu hal kecil yang lucu yang masih saya ingat. Jadi saya akan memberi tahu Anda tiga hal tentang saya yang tidak ada hubungannya dengan fisika, tidak ada hubungannya dengan mekanika kuantum, tidak ada hubungannya dengan kewirausahaan. Salah satunya adalah saya seorang sommelier. Saya suka, saya suka makanan. Saya suka anggur dan selama master saya, di malam hari, saya benar -benar pergi ke sekolah sommelier di Italia, dan sepanjang tahun, saya, saya mendapatkan sertifikasi saya. Fakta menyenangkan, saya juga bekerja di restoran Michelin Star, yang juga merupakan sesuatu yang saya lakukan selama studi saya. Jadi pada malam hari saya akan bekerja sampai sangat terlambat sebagai comi, yang benar -benar peringkat terendah dalam hierarki dapur. Itu adalah pengalaman yang luar biasa. Itu dari buku -buku, tetapi restoran dengan sangat ramah membiarkan saya melakukan itu. Dan ini terkait dengan cerita yang akan saya bagikan dengan Anda sebentar lagi.

Dan titik menyenangkan terakhir, hanya untuk diketahui orang. Jadi saya membuat diri saya sedikit lebih manusiawi. Saya suka binatang dan saya memiliki burung beo peliharaan di rumah. Ini memberi saya banyak kegembiraan setiap hari. Biarkan saya menceritakan tentang ceritanya.

Jadi ketika saya bekerja di Michelin Star Restaurant, saya cukup banyak menghabiskan minggu pertama memotong sayuran, yang tidak lebih, bagaimana saya bisa mengatakan, bagian yang glamor dari pekerjaan itu, tetapi, Anda harus memulai di suatu tempat. Jadi setelah seminggu memotong wortel, bawang, dan bawang putih, dan peterseli, akhirnya mereka memberi saya tugas kecil ini. Dan tugasnya sangat sederhana. Saya harus membantu menyiapkan bouche hiburan untuk malam itu. Jadi yang terjadi adalah bahwa biasanya ada menu tetap dan ketika Anda duduk, mereka akan membawa Anda sedikit hidangan pembuka, sedikit sesuatu hanya untuk memulai makanan. Sangat sederhana dan bukan masalah besar. Ini disebut hiburan bouche jika orang tidak terbiasa dengan itu.

Anda juga perlu membayangkan bahwa di dalam salah satu dapur ini, sebagian besar yang terjadi adalah bahwa orang saling berteriak sepanjang waktu. Itu tekanan tinggi. Setiap orang sangat tegang dan stres. Ada banyak teriakan. Rasanya sedikit seperti berada di militer saat Anda melakukan NS Anda. Selalu ada seseorang yang meneriaki Anda tanpa alasan.

Ngomong -ngomong, setelah seminggu memotong sayuran, mereka memberi tahu saya, pergi dan menyiapkan bouche yang menghibur. Yang harus Anda lakukan adalah mengisi piring dengan sedikit saus ini. Itu saja. Mereka tidak menunjukkan kepada saya bagaimana melakukannya. Off saya pergi, saya mulai menyiapkan piring, dan saya menaruh saus sebanyak yang saya pikir masuk akal. Dan piring keluar. Lima menit kemudian, koki, yang biasanya pada level ini tidak lagi bekerja di dapur, tetapi duduk di luar dan menghibur pelanggan, koki itu menyerbu dapur melalui pintu dan mulai berteriak seperti dia akan membunuh seseorang. Berteriak, siapa yang menyiapkan bouche yang menghibur? Siapa yang menaruh begitu banyak saus? Siapa idiot itu? Aku akan mencekiknya, bla, bla, bla, bla, bla. Semua orang membeku.

Apa yang mereka katakan sebelumnya adalah bahwa, kita mungkin berteriak, kita mungkin terlihat marah, dan itu tentu saja merupakan lingkungan yang sangat menegangkan, tetapi jika Anda membuat kesalahan, kawan, memilikinya. Jadi di seluruh teriakan, koki berhenti, sia -sia, memompa di lehernya. Saya mengangkat tangan saya dan saya katakan, Chef, saya minta maaf. Saya melakukannya. Dan saya berharap dia akan membawa saya, benar -benar meraih saya dengan pakaian dapur dan membuang saya keluar dari dapur dari pintu belakang. Datang kepada saya dan menatap saya. Itu adalah pria besar. Itu lebih tinggi dari saya dan sangat besar. Dan dia berkata, Baiklah, saya akan menunjukkan kepada Anda bagaimana melakukannya. Pastikan untuk tidak melakukan kesalahan yang sama lagi.

Dia tidak menggunakan kata -katanya yang tepat, tetapi Anda mendapatkan idenya. Dan dia tenang. Pergi, tunjukkan bagaimana melakukannya. Saya belajar dan saya tidak mengacaukannya lagi. Dan itu sangat menarik karena setelah itu, masakan Chef du, yang pada dasarnya adalah yang kedua dalam komando, datang kepada saya, membawa saya ke samping dan berkata, lihat, saya membuat kesalahan.

Bagus. Tapi dilakukan dengan baik. Sangat sedikit orang memilikinya. Sangat mudah di dapur, terutama ketika seseorang berteriak agar orang menghilang dan bersembunyi atau berpura -pura tidak terjadi apa pun. Anda memilikinya. Itulah cara untuk melakukannya. Bagus untukmu. Dia juga berkata, jika Anda melakukannya lagi, saya akan meninju Anda. Tapi itu adil. Ini adalah cerita yang sangat kecil, tapi saya pikir itu memberi tahu saya sesuatu yang sangat penting sehingga bahkan dalam situasi stres tinggi, bahkan ketika segalanya terlihat sangat jelek dan sangat jahat, hal terbaik yang dapat Anda lakukan adalah memiliki kesalahan Anda.

Jika Anda melakukannya, katakan, jelaskan mengapa Anda melakukannya, minta bantuan, tanyakan bagaimana Anda dapat menghindari melakukannya lagi, tunjukkan bahwa Anda tulus tentang hal itu. Dan biasanya orang bereaksi positif terhadap hal itu. Dan saya pikir ini benar dalam hampir semua hal yang Anda lakukan, tetapi ini terutama benar dalam kewirausahaan dan startup karena Anda akan melakukan begitu banyak kesalahan sehingga semakin awal Anda mempelajari pelajaran ini, semakin bahagia Anda. Anda juga akan lebih sukses.

(32:18) Jeremy AU:

Ya. Luar biasa. Pada catatan itu, saya ingin sekali meringkas tiga takeaways besar yang saya tangkap di sini. Pertama adalah, terima kasih banyak telah berbagi tentang hasrat Anda dan bagaimana Anda bisa mencintai fisika kuantum dan komputasi kuantum. Itu hanya menarik untuk mendengar bagaimana Anda mengambil langkah -langkah awal itu ke dalam ilmu pengetahuan dan kemudian jauh dari, pemodelan risiko keuangan ke dalam komputasi kuantum lagi.

Kedua, terima kasih banyak telah berbagi tentang refleksi Anda tentang apa yang diperlukan untuk beralih dari menjadi ilmuwan dan peneliti menjadi pendiri startup, dan itu fantastis untuk mendengar kesalahan yang Anda buat dan juga wawasan yang Anda miliki tentang memastikan untuk menjadi realistis dan pragmatis dan selaras dalam bagaimana mengatasi pernyataan masalah, terutama di bidang yang sangat kompleks sebagai yang sangat kompleks. Terakhir, terima kasih banyak telah berbagi tentang kisah keberanian Anda, tentang apa yang diperlukan untuk mengambil kepemilikan. Saya pikir itu luar biasa untuk mendengar tentang bagaimana Anda berpikir tentang mengambil kepemilikan dalam konteks restoran tempat Anda berada, tetapi juga dalam konteks cara mendekati pemecahan untuk ruang komputasi kuantum sebagai pendiri startup.

Pada catatan itu, terima kasih banyak telah berbagi.

(33:22) Tommaso DeMarie:

Terima kasih, Jeremy. Itu bagus. Sangat senang melihatmu. Terima kasih.