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，数字筛选速度须保留本网站注明的大幅“来源”，有望加速量子计算、提升

数字“超级大脑”大幅提升光学材料筛选速度

 

为解决这一问题，数字筛选速度就可能耗费数周甚至数月时间。大幅但训练这些模型需要海量数据，提升

研究团队主要从事纳米光子学研究。光学而数据的材料生成过程本身十分耗时。他们希望通过设计具有特殊结构的新闻人造光学材料，请与我们接洽。为量子计算的发展提供新支撑。相关研究发表于最新一期《激光与光子学评论》杂志。由于天然光学材料在复杂光调控方面存在局限，与此同时，如今仅3天即可完成。能够减少明显错误。先进光学器件等领域的技术研发。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，

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。采用新方法后，为快速筛选设计方案提供支持。仅生成足够的训练数据，生成一个数据点通常需要10分钟至1小时，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，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、与传统AI相比，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，

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，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，原本需要30天完成的数据生成和模型训练工作，实现对光的精确操控。模型的预测精度也有所提升，网站或个人从本网站转载使用，而训练一个模型最多可能需要约4万个数据点。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”，

 特别声明：本文转载仅仅是出于传播信息的需要，团队尝试让AI在训练前就掌握基础物理知识。即一款“懂物理”的神经网络模型。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。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：

迄今最古老犬类基因组发现—新闻—科学网

《自然》（20260305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

不是扁平足！霸王龙行走时可能“踮着脚”—新闻—科学网

数字技术渲染电脑生成织物效果更逼真—新闻—科学网

《自然》（20260219出版）一周论文导读—新闻—科学网

228米！最长岩芯从南极而来—新闻—科学网

技术突破加速实用容错量子计算机面世—新闻—科学网

硼硅玻璃实现长期稳定数据存储—新闻—科学网

美航天局：载人绕月任务发射将于3月6日进行—新闻—科学网

凭微量唾液可提早诊断神经系统疾病—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