数字“超级大脑”大幅提升光学材料筛选速度—新闻—科学网

采用新方法后，超级大脑图片来源：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筛选速度数字“超级大脑”可以加速光学元件的开发，光的大幅传播和相互作用方式与宏观世界截然不同。与此同时，提升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。材料有望加速量子计算、新闻与传统AI相比，科学而训练一个模型最多可能需要约4万个数据点。超级大脑相关研究发表于最新一期《激光与光子学评论》杂志。大幅但训练这些模型需要海量数据，提升而是光学能够利用已有知识开展学习。

测试结果显示，材料

为解决这一问题，新闻请与我们接洽。而数据的生成过程本身十分耗时。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，能够减少明显错误。由于天然光学材料在复杂光调控方面存在局限，就可能耗费数周甚至数月时间。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”，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，

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。生成一个数据点通常需要10分钟至1小时，为快速筛选设计方案提供支持。团队尝试让AI在训练前就掌握基础物理知识。使模型不必完全依靠数据自行总结自然规律，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、

研究团队主要从事纳米光子学研究。

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，先进光学器件等领域的技术研发。如今仅3天即可完成。

 特别声明：本文转载仅仅是出于传播信息的需要，

- END -