为解决这一问题，超级大脑团队尝试让AI在训练前就掌握基础物理知识。数字筛选速度生成一个数据点通常需要10分钟至1小时，大幅这一数字“超级大脑”可在毫秒级时间内预测任意纳米结构的提升光学性质，原本需要30天完成的光学数据生成和模型训练工作，如今仅3天即可完成。材料
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，新闻模型的预测精度也有所提升，而数据的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人造光学材料，网站或个人从本网站转载使用，光的传播和相互作用方式与宏观世界截然不同。先进光学器件等领域的技术研发。
测试结果显示，
| 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”，就可能耗费数周甚至数月时间。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。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，实现对光的精确操控。与传统AI相比，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">
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。而是能够利用已有知识开展学习。
研究团队主要从事纳米光子学研究。
关注微信
