未來的中央處理器（藝術圖）。圖片來源：美國趣味工程網站
科技日報訊（記者劉霞）據美國趣味工程網站近日報導，日本東北大學和美國麻省理工學院科學家，成功開發出一款新人工智慧（AI）模型GNNOpt。該模型能以與量子類比相同的精度預測資料的光學性質，但速度能快100萬倍。研究團隊表示，這一重要進展有望加速光伏和量子資料的研發步伐。
推進太陽能電池、光子集成電路以及量子計算等領域的發展，離不開對資料光學特性的深入瞭解。但現有的實驗方法，如雷射測試，受到光波波長範圍的限制。而類比計算成本高昂，且需要滿足嚴格的標準。囙此，科學家一直在尋找替代方法，以快速預測不同資料的光學性質。
此前，圖形神經網路（GNN）機器學習模型已經問世。這種模型通過將原子表示為圖形中的節點，原子鍵表示為圖形的邊，可形象地表示分子和資料。但GNN在捕捉晶體複雜結構之間的細微差別方面存在困難，這限制了它在預測資料特性方面的廣泛應用。
新AI模型則另闢蹊徑，以資料的晶體結構為輸入，能在極短時間內，以驚人的準確性，在更寬的光頻率範圍內預測資料的光學特性。一旦科學家掌握某種光學性質，就可借助相關公式，推導出其他光學性質。
新AI模型成功的秘訣在於“集成嵌入”科技。這項科技賦予了AI從多種數據集中學習的能力，使其變得更加精確且通用。
研究團隊稱，他們的新AI模型能够準確預測晶體結構的光學性質，為廣泛應用打開了大門，特別是為先進太陽能電池和量子資料的篩選提供了强有力的支持。他們計畫創建包含各種資料特性（如力學和磁性）的綜合資料庫，以進一步擴展該AI模型的功能。