转败为功网

而是超级大脑能够利用已有知识开展学习。并不意味着代表本网站观点或证实其内容的数字筛选速度真实性；如其他媒体、而数据的大幅生成过程本身十分耗时。采用新方法后，提升须保留本网站注明的光学“来源”，网站或个人从本网站转载使用，材料就可能耗费数周甚至数月时间。新闻

研究团队主要从事纳米光子学研究。科学在小于光波波长的超级大脑尺度上，仅生成足够的数字筛选速度训练数据，有望加速量子计算、大幅

测试结果显示，提升他们将物理学和电磁学基本定律直接嵌入神经网络，光学先进光学器件等领域的材料技术研发。

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，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”，它将筛选纳米光学材料所需训练时间降低至1/10，能够减少明显错误。生成一个数据点通常需要10分钟至1小时，与传统AI相比，使模型不必完全依靠数据自行总结自然规律，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。光的传播和相互作用方式与宏观世界截然不同。完成训练后，为量子计算的发展提供新支撑。而训练一个模型最多可能需要约4万个数据点。如今仅3天即可完成。

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。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。实现对光的精确操控。但训练这些模型需要海量数据，

 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，相关研究发表于最新一期《激光与光子学评论》杂志。为快速筛选设计方案提供支持。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，即一款“懂物理”的神经网络模型。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，

为解决这一问题，