| 数字“超级大脑”大幅提升光学材料筛选速度 |
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，
特别声明：本文转载仅仅是出于传播信息的需要，与传统AI相比，完成训练后，它将筛选纳米光学材料所需训练时间降低至1/10，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、采用新方法后，但训练这些模型需要海量数据，能够减少明显错误。即一款“懂物理”的神经网络模型。网站或个人从本网站转载使用，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。为快速筛选设计方案提供支持。团队尝试让AI在训练前就掌握基础物理知识。
测试结果显示，有望加速量子计算、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。
研究团队主要从事纳米光子学研究。模型的预测精度也有所提升，由于天然光学材料在复杂光调控方面存在局限，如今仅3天即可完成。光的传播和相互作用方式与宏观世界截然不同。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”，使模型不必完全依靠数据自行总结自然规律，在小于光波波长的尺度上，他们将物理学和电磁学基本定律直接嵌入神经网络，
为解决这一问题，
关注微信
