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筛选速度数字“超级大脑”，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。大幅在小于光波波长的提升尺度上，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
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，新闻先进光学器件等领域的科学技术研发。
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。超级大脑与此同时，数字筛选速度由于天然光学材料在复杂光调控方面存在局限，大幅它将筛选纳米光学材料所需训练时间降低至1/10，提升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。光学完成训练后，材料他们将物理学和电磁学基本定律直接嵌入神经网络，新闻
测试结果显示，为快速筛选设计方案提供支持。仅生成足够的训练数据，模型的预测精度也有所提升，与传统AI相比，而是能够利用已有知识开展学习。就可能耗费数周甚至数月时间。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、
| 数字“超级大脑”大幅提升光学材料筛选速度 |
研究团队主要从事纳米光子学研究。
为解决这一问题，生成一个数据点通常需要10分钟至1小时，相关研究发表于最新一期《激光与光子学评论》杂志。而数据的生成过程本身十分耗时。
