2026年6月4日——学习物理学可能非常有用——即便是对于机器学习领域也是如此。瑞典查尔姆斯理工大学的一项新研究表明，一个内置自然界基本定律知识的数字“超级大脑”可以加速光学元件的开发，其应用范围从量子计算机到眼镜镜片或相机镜头无所不包。

“当我们向这个超级大脑输入有关物理定律的信息时，它立刻变得更加智能。现在，我们的计算所需时间仅为以前的十分之一。”查尔姆斯理工大学物理与天文系教授Philippe Tassin说。

由Philippe Tassin领导的研究团队在名为纳米光子学的领域中设计光学元件。在小于一个波长的微小尺度上，光可以被完全不同于更大尺度上的方式加以控制和操控。但在天然光学材料中，以先进方式控制光也存在局限性。为了突破这些限制，研究团队正利用计算机模拟来研究和设计人工光学材料。

这些材料可用于相机或眼镜镜片，使其更轻、更薄且更高效。但该团队的研究也可能对量子计算的未来产生影响。他们与查尔姆斯理工大学微技术与纳米科学系（瑞典第一台大型量子计算机正在这里建造）的研究人员合作，正在探讨是否能够设计出可以控制光传播路径的纳米结构材料。其想法是，量子计算机之间或长距离传输的信息，可以通过机械柔性光子晶体——一种具有极高光反射能力的人造微小晶体——利用光频率进行传输。

模拟展示如何最优设计材料

该研究小组的工作完全在超级计算机中进行模拟，机器学习和神经网络——一种受人类大脑结构启发的人工智能——是他们的得力助手。这些模拟揭示并推断出材料的特性，对于研究人员确定如何最优设计材料至关重要。

“我对电磁学方程了如指掌，并且也在讲授这些方程，但我仍然无法得出神经网络所能得出的全部结论。物理如此复杂，以至于仅凭观察我无法理解材料的属性——但计算机可以。”Philippe Tassin说。

向神经网络输入数据耗时巨大

然而，向神经网络输入数据以使其执行模拟非常耗时。生成单个数据点可能需要十分钟到一个小时，并且可能需要进行多达40,000次模拟。

“我们可能需要整整一个月来生成足够的数据来训练神经网络。如果之后发现需要添加更多内容，可能还需要再花一个月。”查尔姆斯理工大学物理与天文系博士生Viktor Lilja说。

但现在研究人员找到了一种方法，能将所需时间缩短为之前的十分之一。以往需要三十天生成的数据，现在只需三天。这一切都是因为他们在训练神经网络之前，就赋予了它对物理的基本理解。

教授神经网络物理定律

其核心思想是：任何光学元件都必须遵循物理和电磁学定律。研究人员所做的就是将这些定律教给神经网络——给予它一种基础物理教育。以前，神经网络需要通过从生成的数据中自行总结来学习这些定律。现在，这个超级大脑可以利用自己的知识，而无需每次都得“重新发明轮子”。

这个想法源于研究人员试图通过内置人类可识别的方程来使神经网络的预测更易于解释。当他们测试网络时，结果发现它同时也自动变得智能得多，因此只需更少的数据就能被有效训练。研究人员在一篇发表于《激光与光子学评论》（Laser & Photonics Reviews）科学期刊的文章中描述了他们的具体做法。

“一旦我们训练好了网络，就可以让它检查任何结构，并在毫秒级时间内获得光学特性。通过使用这些新网络，我们得到了更准确的估计，并避免了明显的错误。”Viktor Lilja说。

Philippe Tassin认为，节省下来的时间是最主要的收益。

“既然我们现在可以如此快速地工作，就能加速光学元件的设计开发进程。”