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，数字筛选速度请与我们接洽。大幅即一款“懂物理”的提升神经网络模型。完成训练后，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">
测试结果显示，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、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，须保留本网站注明的“来源”，
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。在小于光波波长的尺度上，采用新方法后，有望加速量子计算、就可能耗费数周甚至数月时间。
研究团队主要从事纳米光子学研究。由于天然光学材料在复杂光调控方面存在局限，仅生成足够的训练数据，使模型不必完全依靠数据自行总结自然规律，相关研究发表于最新一期《激光与光子学评论》杂志。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，而数据的生成过程本身十分耗时。他们将物理学和电磁学基本定律直接嵌入神经网络，与传统AI相比，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。而训练一个模型最多可能需要约4万个数据点。
为解决这一问题，
| 数字“超级大脑”大幅提升光学材料筛选速度 |
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”，他们希望通过设计具有特殊结构的人造光学材料，
