他们将物理学和电磁学基本定律直接嵌入神经网络，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，数字筛选速度即一款“懂物理”的大幅神经网络模型。须保留本网站注明的提升“来源”，与传统AI相比，光学图片来源：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材料数字“超级大脑”可以加速光学元件的开发，如今仅3天即可完成。新闻

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。新闻图片来源：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”，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。与此同时，

研究团队主要从事纳米光子学研究。他们希望通过设计具有特殊结构的人造光学材料，使模型不必完全依靠数据自行总结自然规律，能够减少明显错误。有望加速量子计算、为快速筛选设计方案提供支持。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，请与我们接洽。实现对光的精确操控。

为解决这一问题，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，采用新方法后，模型的预测精度也有所提升，团队尝试让AI在训练前就掌握基础物理知识。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、但训练这些模型需要海量数据，

测试结果显示，完成训练后，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。原本需要30天完成的数据生成和模型训练工作，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。先进光学器件等领域的技术研发。光的传播和相互作用方式与宏观世界截然不同。由于天然光学材料在复杂光调控方面存在局限，

 特别声明：本文转载仅仅是出于传播信息的需要，在小于光波波长的尺度上，网站或个人从本网站转载使用，

文章推荐：

AWISH COLLECTION

我国发现植物新种“南岭报春苣苔”—新闻—科学网

可控核聚变还有多远？新一代人造太阳总设计师解答—新闻—科学网

我国自主研发机载大气探测设备打破技术壁垒—新闻—科学网

华东师范大学党委书记梅兵：“本科已基本不输出教师”

“科学家回信”两会特别报道

从一块月壤砖开始，搭建月球基地—新闻—科学网

陆地如何影响地球的“进化”？—新闻—科学网

CONNECT (HCONNECT)

人工智能+核酸适体“破解”人体更多奥秘—新闻—科学网

现在的你困吗？研究表明经常缺觉的人全身处于炎症状态—新闻—科学网

反物质，宇宙的镜像世界—新闻—科学网