北京
基于物理信息的人工智能可在毫秒內預測光學特性。
瑞典查爾姆斯理工大學的研究人員開發出一種機器學習系統，在訓練前先學習物理定律，使其設計先進光學材料的速度比傳統方法快十倍。
這一突破有望加速光學元件的研發，這些元件廣泛應用于量子計算、相機和眼鏡鏡片等領域。
“當我們向超級大腦輸入有關物理定律的信息后，它立刻變得智能得多。現在我們的計算時間只需以前的十分之一。”物理與天文系教授菲利普·塔辛說道。
設計先進光學材料
查爾姆斯團隊專注于納米光子學領域，即在小于光波長的尺度上控制和操控光。
在這種尺度下，光的行為與傳統光學系統不同，使科學家能夠創造出具有自然界中不存在特性的人造材料。
借助超級計算機模擬，研究人員設計出的光學材料可用于制造更輕、更薄、更高效的相機和眼鏡鏡片。他們的工作也有望支持量子技術的未來發展。
該團隊正與微技術與納米科學系的研究人員合作，瑞典首臺大型量子計算機正在該系建造。他們正在探索能否通過設計納米結構材料來控制光的傳播。
這一概念涉及利用機械柔順光子晶體，在量子計算機之間或通過光學頻率實現更長距離的信息傳輸。
模擬在這項工作中發揮著核心作用，幫助研究人員確定材料應如何構建，才能獲得所需的光學特性。
解決瓶頸問題
該研究高度依賴機器學習和神經網絡，通過分析大量模擬數據來預測材料的行為。
“我對電磁學方程了如指掌，也教授這些內容，但我仍然無法得出神經網絡可以得出的所有結論。物理太復雜了，我光看材料無法理解它的特性——但計算機可以。”塔辛說。
然而，生成足夠數據來訓練這些神經網絡歷來是一個緩慢且資源密集的過程。
據研究人員稱，生成一個數據點可能需要十分鐘到一小時，而一個完整的數據集可能需要多達四萬次模擬。
提取精確結果
為解決這一問題，研究人員將電磁學基本定律直接嵌入到神經網絡中。
該模型并非強迫系統從零開始發現這些原理，而是一開始就內置了對光和電磁場行為方式的理解。
這個想法出現于團隊試圖讓神經網絡的預測更容易解釋時，他們引入了人類研究人員熟悉的方程。
測試中，他們發現這一方法還顯著提高了模型的效率。
“一旦我們訓練好網絡，就可以要求它檢查任何結構，并在毫秒內獲得光學特性。借助這些新網絡，我們能得到更準確的估計，并避免明顯錯誤。”維克托·利利亞說。
這一改進將模擬數據生成時間從三十天縮短到僅三天，使研究人員能夠加速下一代光學元件的開發。
如果朋友們喜歡，敬請關注“知新了了”！
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
