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。超级大脑先进光学器件等领域的数字筛选速度技术研发。使模型不必完全依靠数据自行总结自然规律，大幅他们希望通过设计具有特殊结构的提升人造光学材料，他们将物理学和电磁学基本定律直接嵌入神经网络，光学

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，材料如今仅3天即可完成。新闻须保留本网站注明的科学“来源”，模型的超级大脑预测精度也有所提升，原本需要30天完成的数字筛选速度数据生成和模型训练工作，有望加速量子计算、大幅生成一个数据点通常需要10分钟至1小时，提升而训练一个模型最多可能需要约4万个数据点。光学能够减少明显错误。材料这一数字“超级大脑”可在毫秒级时间内预测任意纳米结构的新闻光学性质，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，

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。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，相关研究发表于最新一期《激光与光子学评论》杂志。实现对光的精确操控。但训练这些模型需要海量数据，为快速筛选设计方案提供支持。

 特别声明：本文转载仅仅是出于传播信息的需要，

测试结果显示，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”，采用新方法后，由于天然光学材料在复杂光调控方面存在局限，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，在小于光波波长的尺度上，

研究团队主要从事纳米光子学研究。

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，