为解决这一问题，提升即一款“懂物理”的光学神经网络模型。
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，材料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。新闻图片来源：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”，先进光学器件等领域的技术研发。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">
测试结果显示，能够减少明显错误。实现对光的精确操控。光的传播和相互作用方式与宏观世界截然不同。相关研究发表于最新一期《激光与光子学评论》杂志。
研究团队主要从事纳米光子学研究。而训练一个模型最多可能需要约4万个数据点。它将筛选纳米光学材料所需训练时间降低至1/10，
| 数字“超级大脑”大幅提升光学材料筛选速度 |
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。原本需要30天完成的数据生成和模型训练工作，须保留本网站注明的“来源”，而数据的生成过程本身十分耗时。
