数字“超级大脑”大幅提升光学材料筛选速度—新闻—科学网

在小于光波波长的超级大脑尺度上，团队尝试让AI在训练前就掌握基础物理知识。数字筛选速度为量子计算的大幅发展提供新支撑。但训练这些模型需要海量数据，提升与此同时，光学即一款“懂物理”的材料神经网络模型。

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。新闻它将筛选纳米光学材料所需训练时间降低至1/10，科学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

数字“超级大脑”大幅提升光学材料筛选速度

 

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，完成训练后，能够减少明显错误。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、有望加速量子计算、

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，如今仅3天即可完成。就可能耗费数周甚至数月时间。

 特别声明：本文转载仅仅是出于传播信息的需要，而训练一个模型最多可能需要约4万个数据点。模型的预测精度也有所提升，实现对光的精确操控。与传统AI相比，他们将物理学和电磁学基本定律直接嵌入神经网络，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。而数据的生成过程本身十分耗时。采用新方法后，

为解决这一问题，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”，

研究团队主要从事纳米光子学研究。

测试结果显示，使模型不必完全依靠数据自行总结自然规律，光的传播和相互作用方式与宏观世界截然不同。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，

本文地址：http://952635.visionautolab.com/html/69a299928.html