Under fyra veckor i höst får Algoryx Simulations från Umeå extra skjuts i sin internationella tillväxt genom ett acceleratorprogram i startup-centrat Silicon Valley, USA.

Acceleratorprogrammet TINC arrangeras av Nordic Innovation House och i vanliga fall innebär det att företag från Norden får delta på plats i Kalifornien. I år är det dock coronatider vilket innebär att företagen deltar online.

Bland bolagen finns alltså Umeåbaserade Algoryx som genom programmet får möjlighet att utveckla sina tillväxtstrategier och möta potentiella kunder, partners och investerare i en miljö som fostrat några av världens mest framgångsrika bolag.

Programmet ska vara en plattform för bolagen att växa och ta steget ut i världen.

Kenneth Bodin och Martin Servin från Algoryx var i Silicon Valley i början av 2020, innan pandemin bröt ut, för att arbeta med ett samarbete med universiteten UC Berkeley och UC Davis inom simulering och artificiell intelligens och maskininlärning för autonoma maskiner.

Samtidigt träffade de flera av företagets kunder i området och besökte Nordic Innovation House eftersom de beslutat öppna ett kontor i Silicon Valley.

Att gå vidare som deltagare i TINC är ytterligare ett bra steg för att etablera sig än mer på den nordamerikanska marknaden, menar Hugo Börjesson, Senior Business Developer på Algoryx.

– Acceleratorprogrammet TINC ger oss möjlighet att kickstarta vår satsning på den nordamerikanska marknaden och att tillsammans med Silicon Valleys vassaste affärsutvecklare utveckla vårt erbjudande ”Safe and Ethical AI” för autonoma maskiner. Genom TINC får vi också tillgång till ett fantastiskt nätverk av personer och företag som jag tror kommer bidra till att vi snabbt kan etablera oss som en viktig aktör inom detta område, säger Hugo Börjesson.

Ett viktigt stöd som Algoryx kan få via TINC är att få hjälp med att koppla sitt tekniska kunnande till de affärsmöjligheter som finns.

– Att kunna skapa realistiskt syntetiskt data för machine learning kommer bli helt avgörande för företag som vill utveckla autonoma maskiner. Det vi ser idag är att många företag gör lyckade experiment inom machine learning. Fast det handlar då oftast om förenklade modeller, så fort det blir lite mer komplexa maskiner och som dessutom ska interagera med omgivningen så funkar det inte längre. Oftast beror det på att de tränar sin maskin med för dålig fysik. Det simulerade resultatet blir inte överförbart till verkligheten, menar Hugo Börjesson.

– Vi måste få kunderna att förstå att vissa saker går bra att simulera utan bra fysik, som bildigenkänning eller att styra och undvika hinder. Men så fort det rör sig om en mer komplex dynamik som en kranarm, grävskopa eller en robot som ska greppa ett föremål så krävs realistisk fysik, förklarar Hugo Börjesson.