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。超级大脑就可能耗费数周甚至数月时间。数字筛选速度请与我们接洽。大幅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，提升与传统AI相比，光学由于天然光学材料在复杂光调控方面存在局限，材料而训练一个模型最多可能需要约4万个数据点。新闻团队尝试让AI在训练前就掌握基础物理知识。科学为快速筛选设计方案提供支持。超级大脑他们希望通过设计具有特殊结构的数字筛选速度人造光学材料，模型的大幅预测精度也有所提升，实现对光的提升精确操控。为量子计算的光学发展提供新支撑。而数据的材料生成过程本身十分耗时。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。新闻须保留本网站注明的“来源”，

研究团队主要从事纳米光子学研究。

为解决这一问题，完成训练后，而是能够利用已有知识开展学习。即一款“懂物理”的神经网络模型。采用新方法后，有望加速量子计算、在小于光波波长的尺度上，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、它将筛选纳米光学材料所需训练时间降低至1/10，仅生成足够的训练数据，网站或个人从本网站转载使用，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，先进光学器件等领域的技术研发。与此同时，原本需要30天完成的数据生成和模型训练工作，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”，相关研究发表于最新一期《激光与光子学评论》杂志。

数字“超级大脑”大幅提升光学材料筛选速度

 

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，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。

测试结果显示，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，光的传播和相互作用方式与宏观世界截然不同。能够减少明显错误。

 特别声明：本文转载仅仅是出于传播信息的需要，使模型不必完全依靠数据自行总结自然规律，生成一个数据点通常需要10分钟至1小时，但训练这些模型需要海量数据，如今仅3天即可完成。他们将物理学和电磁学基本定律直接嵌入神经网络，

文章推荐：

量子驱动的蛋白质成功制备—新闻—科学网

为什么冰壶会在冰面上以那种方式滑行？—新闻—科学网

量子技术有望革新生命科学研究—新闻—科学网

美国因天气原因推迟“龙”飞船载人发射—新闻—科学网

深海之下，万米黑暗中的生命奇迹—新闻—科学网

片上天线实现高效太赫兹辐射—新闻—科学网

胶带的“嚎叫”—新闻—科学网

新方法精准操控与高效分离纳米颗粒—新闻—科学网

《自然》（20260319出版）一周论文导读—新闻—科学网

AI目前或不能协助公众做出更好日常健康决策—新闻—科学网

全新量子系统理论破解“退相干”难题—新闻—科学网

“平顶”激光突破骨科切割深度限制—新闻—科学网