美国犹他大学工程学院团队在新一期《自然·通讯》杂志上发表了一项突破性研究，提出将偏微分方程的信息编码到光波中，并通过一种名为光学神经引擎（ONE）的新型光学设备进行高效处理。以下是对相关内容的具体介绍：背景：偏微分方程用于描述多个变量间的相互作用关系，在模拟复杂物理、工程和自然现象中具有强大的预测能力。但目前求解这些方程的计算技术通常需大量时间和计算资源，限制了其在实时或大规模应用中的可行性。工作原理：ONE系统结合了衍射光学神经网络和光学矩阵乘法器的技术优势。它利用光波的强度和相位等特性来表示方程中的各个变量，让光波穿过ONE中的一系列光学元件，光信号在传播过程中不断演化，最终呈现出对应特定偏微分方程解的状态。这种方法借鉴了机器学习中神经网络的基本原理，将其引入光学领域，利用光子器件实现类似功能，速度更快、能耗更低。实验测试：研究团队在多种经典偏微分方程上进行了测试，包括达西流方程、退磁过程中的静磁泊松方程以及不可压缩流体中的纳维 - 斯托克斯方程。结果显示，ONE在这些复杂问题上均表现出良好的适应性和准确性。例如，对纳维 - 斯托克斯方程求解仅用13秒，单次运算能耗为0.001焦耳，达西流方程精度达99.1%。研究意义：该成果标志着光学计算从理论探索向实际应用迈出了重要一步，为下一代高性能计算技术的发展开辟了新方向，为未来大规模科学计算和工程仿真提供了多功能、高效率的全新平台，有望在地质建模、芯片设计、气候模拟等多个关键领域产生深远影响。不过，目前ONE主要支持线性偏微分方程，非线性方程求解仍在攻关，还存在硬件适配挑战，需要专用光子芯片，且编程范式也需变革，人们需掌握“光物理编码”新语言。
|
|
|周边二手车|标签|新闻魔笔科技XinWen.MoBi - 海量语音新闻!
( 粤ICP备2024355322号-1|
粤公网安备44090202001230号 )
