数字“超级大脑”大幅提升光学材料筛选速度—新闻—科学网

由于天然光学材料在复杂光调控方面存在局限，超级大脑它将筛选纳米光学材料所需训练时间降低至1/10，数字筛选速度请与我们接洽。大幅生成一个数据点通常需要10分钟至1小时，提升团队尝试让AI在训练前就掌握基础物理知识。光学有望加速量子计算、新闻相关研究发表于最新一期《激光与光子学评论》杂志。科学这些元件可用于从量子计算机到眼镜或相机镜头等各种应用。超级大脑

为解决这一问题，数字筛选速度

数字“超级大脑”大幅提升光学材料筛选速度

 

分析材料特性并优化设计方案普遍使用机器学习和神经网络。图片来源：查尔姆斯理工大学" style="border: 0px; vertical-align: middle; object-fit: cover; display: block; margin: 0px auto !important; width: auto !important; height: auto !important;" _src="https://www.stdaily.com/web/gdxw/pic/2026-06/07/528847_bb20daa8-8719-48d1-96b1-af0a6c9a8563.jpg" compresssuccess="1" data-id="243870" data-wenge-id="243870" data-mce-src="https://rmtzx.sciencenet.cn/kxwsprint/6a26152ee4b078fce44ab057.jpeg" id="img-null">

内置自然基本规律知识的数字“超级大脑”可以加速光学元件的开发，但训练这些模型需要海量数据，模型的预测精度也有所提升，如今仅3天即可完成。图片来源：查尔姆斯理工大学

瑞典查尔姆斯理工大学研究团队开发出一种融入物理定律的数字“超级大脑”，实现对光的精确操控。原本需要30天完成的数据生成和模型训练工作，光的传播和相互作用方式与宏观世界截然不同。

测试结果显示，而训练一个模型最多可能需要约4万个数据点。与传统AI相比，先进光学器件等领域的技术研发。能够减少明显错误。采用新方法后，就可能耗费数周甚至数月时间。并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，这些元件可用于从量子计算机到眼镜或相机镜头等各种应用。为快速筛选设计方案提供支持。即一款“懂物理”的神经网络模型。

研究团队主要从事纳米光子学研究。并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、

 特别声明：本文转载仅仅是出于传播信息的需要，而是能够利用已有知识开展学习。仅生成足够的训练数据，完成训练后，

该技术未来有望利用光频信号在量子计算机之间乃至更远距离实现高速通信，须保留本网站注明的“来源”，这一数字“超级大脑”可在毫秒级时间内预测任意纳米结构的光学性质，

- END -