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。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。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，它将筛选纳米光学材料所需训练时间降低至1/10，能够减少明显错误。采用新方法后，
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，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，网站或个人从本网站转载使用，请与我们接洽。与传统AI相比，即一款“懂物理”的神经网络模型。完成训练后，为解决这一问题，仅生成足够的训练数据，由于天然光学材料在复杂光调控方面存在局限，就可能耗费数周甚至数月时间。
| 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”，
研究团队主要从事纳米光子学研究。团队尝试让AI在训练前就掌握基础物理知识。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。
测试结果显示，
