据瑞典查尔姆斯理工大学2026年6月4日消息，该校研究团队开发出一款融入物理定律的神经网络模型。与传统AI相比，该模型将筛选纳米光学材料所需的训练时间降低至1/10，有望加速量子计算、先进光学器件等领域的技术研发。相关研究已发布在《激光与光子学评论》期刊上。

在纳米光子学领域，设计人造光学材料以精确操控光通常需要使用机器学习进行方案优化。然而，传统神经网络模型高度依赖海量数据，而生成足够的训练数据可能耗费数周甚至数月时间。为解决这一瓶颈，研究团队将物理学和电磁学基本定律直接嵌入神经网络，无需完全依赖海量数据从头摸索规律，而是能直接利用已有的物理知识进行学习，从而大幅降低了对训练数据的需求。

测试结果显示，采用新方法后，原本需要30天的数据生成和模型训练工作，如今仅需3天即可完成，且预测精度有所提升，减少了明显错误。完成训练后，该模型可在毫秒级时间内预测任意纳米结构的光学性质，为快速筛选设计方案提供支持。

信息来源：

https://www.chalmers.se/en/current/news/fa-physics-trained-digital-super-brain-speeds-up-technology-development/

https://www.news.cn/liangzi/20260608/95520b83239841ad94bb9379af6b5585/c.html