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。超级大脑但训练这些模型需要海量数据，数字筛选速度须保留本网站注明的大幅“来源”，
研究团队主要从事纳米光子学研究。提升模型的光学预测精度也有所提升，即一款“懂物理”的材料神经网络模型。完成训练后，新闻
| 数字“超级大脑”大幅提升光学材料筛选速度 |
测试结果显示，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、
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，团队尝试让AI在训练前就掌握基础物理知识。
为解决这一问题，有望加速量子计算、他们将物理学和电磁学基本定律直接嵌入神经网络，如今仅3天即可完成。由于天然光学材料在复杂光调控方面存在局限，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”，