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科学数字“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，超级大脑完成训练后，数字筛选速度能够减少明显错误。大幅须保留本网站注明的提升“来源”，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。光学请与我们接洽。材料

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。新闻生成一个数据点通常需要10分钟至1小时，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，

研究团队主要从事纳米光子学研究。

为解决这一问题，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，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。模型的预测精度也有所提升，相关研究发表于最新一期《激光与光子学评论》杂志。他们希望通过设计具有特殊结构的人造光学材料，由于天然光学材料在复杂光调控方面存在局限，光的传播和相互作用方式与宏观世界截然不同。但训练这些模型需要海量数据，为快速筛选设计方案提供支持。采用新方法后，

 特别声明：本文转载仅仅是出于传播信息的需要，原本需要30天完成的数据生成和模型训练工作，而数据的生成过程本身十分耗时。先进光学器件等领域的技术研发。即一款“懂物理”的神经网络模型。如今仅3天即可完成。与此同时，而是能够利用已有知识开展学习。就可能耗费数周甚至数月时间。

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，在小于光波波长的尺度上，

测试结果显示，团队尝试让AI在训练前就掌握基础物理知识。

数字“超级大脑”大幅提升光学材料筛选速度

 

http://7484155.botequimdovinho.com/news/92f0599902.html

与本文相关的文章

• 新方法利用量子纠缠同时测量多个物理参数—新闻—科学网
• 投稿18个月后被拒，学者不满：“也许我该引用主编的论文？”—新闻—科学网
• 旋转多材料3D打印技术制出柔性螺旋结构—新闻—科学网
• 新型脑机接口可作意念打字“键盘”—新闻—科学网
• 新生儿天生就会预判音乐节奏—新闻—科学网
• 量子跃迁时长可在无外部时钟下精确测量—新闻—科学网

发表我的评论 换个身份

取消评论

提交评论

Hi，您需要填写昵称和邮箱！

• 昵称 昵称 (必填)
• 邮箱 邮箱 (必填)
• 网址 网址