程慷果博士

程博士今年47歲。于伊利諾伊大學厄巴納-尚佩恩分校材料科學與工程專業(yè)獲得博士學位后加入 IBM。程博士加入IBM的那年是2001年，距今不到20年，此后，他便走上了合作發(fā)明的“快車道”。

發(fā)明更高效的半導體

程博士和他帶領的數(shù)百名研究人員在位于紐約州奧爾巴尼的實驗室里專心工作，潛心發(fā)明更高效的半導體—即能夠控制和傳導電流的化學元素或化合物，為超快微處理器的誕生奠定了基礎。他曾研究過多種先進的半導體技術，包括存儲器、嵌入式存儲器、高性能邏輯和低功耗技術。

程博士和他的隊友獲得的專利常常涉及非常深奧的主題。例如，構建Nanosheet transistor with robust source/drain isolation from substrate或構建Self-limiting liners for increasing contact trench volumeself-limiting liners for increasing contact trench volume。

盡管這些詞匯可能會讓并非科學家的普通人感到頭暈目眩，但這種技術已經(jīng)幫助幾個非常關鍵的 IBM系統(tǒng)實現(xiàn)了巨大的性能飛躍，例如，IBM Z 大型機中安裝的新型Z15微處理器。

一加一等于三

程博士說，創(chuàng)新的關鍵之處在于從多個角度解決問題，即程博士所謂的“路徑”。多個研究團隊沿著各種調查線索曲折前進，他們會精心設計并詳細記錄每個步驟。

團隊成員來自不同的專業(yè)領域，這使得他們都有一種“共生”的思維。程博士說：“兩個擁有不同技能、來自不同專業(yè)領域的人會以完全不同的方式看待一個問題?！薄芭c背景不同的人一起集思廣益可以讓我們從不同的角度看待一項挑戰(zhàn)。你可能需要用多種方法來解決一個問題。對于發(fā)明來說，一加一等于三?！?/p>

程博士經(jīng)常會想起與Ali Khakifirooz合作的日子，兩人共同努力，取得了豐碩的成果。程博士說：“他是器件物理方面的專家，而我的專長是材料科學和流程整合?！边@些互補的技能與其他團隊成員的努力相結合，催生了“數(shù)百項發(fā)明”。

形成思路

在研究的早期階段，這種技能和觀點的結合是“炮制”各種想法和方法的秘方。程博士笑著說：“你需要在清醒的狀態(tài)下保持狂熱?！痹诳茖W前沿領域潛心搞研究的程博士也有“特立獨行”的一面。他的LinkedIn個人資料中的頭像是一張很有意思的漫畫，而且，他因為將IBM員工名錄中自己的職位列為廚師或水管工而“出名”。他解釋說：“我就像一個利用別人提供的食材在廚房做飯的廚師。”“我也喜歡修理有點毛病的東西。”

某些團隊可能需要在這個至關重要的反復試驗階段耗費長達6、7年的時間。他們的日常工作包括集思廣益、繪制草圖、進行性能測試和標記詳細注釋，程博士將這個過程稱之為“形成連貫思路的過程”。他們都明白，許多研究路徑最后都會成為“死胡同”。他說，在一位發(fā)明家所做的所有工作中，70%的工作最終沒能轉化成產(chǎn)品。

程博士說：“但是，如果你專注于那些好的、正確的工作，你就能取得真正的進步?！薄白畛酰覀冎荒芸吹窖驖u進的改進。只有實現(xiàn)此類目標、解決較小的問題，我們才能追求更大的目標?！?/p>

培養(yǎng)年輕人才

多年的研究工作也為培養(yǎng)新手創(chuàng)造了條件。程博士強調了導師制的重要性，他想要幫助年輕的研究人員探索新的想法，讓他們的旺盛精力和多元觀點為項目帶來生機和活力。他的主要建議：“思想開放，保持樂觀。”

程博士十分贊賞那些曾經(jīng)在他“對發(fā)明一無所知”時指導過他的許多才華橫溢的IBM科學家和工程師。例如，Rama Divakaruni和Carl Radens教會了他如何將一個想法轉化為一件產(chǎn)品以及如何在面對棘手的問題仍然充滿希望。此外，Jack Mandelman和Louis Hsu也是對他來說十分重要的兩位導師。

他說：“我不僅學會了如何提出創(chuàng)造性的想法，還學會了如何向發(fā)明審查委員會解釋這些想法以及如何與專利律師溝通，以便草擬專利申請?！?/p>

將問題視為機遇

程博士在中國長大并獲得了學士和碩士學位。后來，他移居美國，又獲得了博士學位。今天，在實驗室里工作了很長時間之后，他與15歲的兒子Michael下棋，借此放松身心。他坦承：“兒子比我強得多”。

程博士一直在思考未來。他認為，下一批重大科研突破將在構建用于人工智能和深度學習的創(chuàng)新加速器架構方面實現(xiàn)。程博士指出，目前，大多數(shù)計算仍需依附于為電子數(shù)據(jù)表和數(shù)據(jù)庫構建的硬件，但是，如果將常規(guī)計算應用于人工智能，它就會非常耗電，而且效率低下。隨著IBM不斷推動人工智能物理學的發(fā)展，經(jīng)過人工智能優(yōu)化的芯片組架構將發(fā)揮獨一無二的重要作用，有望在未來十年內實現(xiàn)重大改進。

他說：“在研究和發(fā)明領域內不存在一蹴而就的成功。你可以使用的基本工具包括物理、化學和數(shù)學，但歸根結底，好奇心才是最有用的工具。你必須能夠將問題視為機遇?！?/p>

zhangnn