原始标题：光学神经发动机通过略有微分方程式解决了很好的解决。犹他大学工程学院的一个团队在研究新的自然界方面已经成功地发表了成功，建议在光波中删除稍微惯常的方程式的信息，并通过称为光学神经发动机的新的光学设备（一个）来很好地处理它们。这一成功标志着从理论探索到实际应用的光学计算中的重要一步，并将为开发下一代高性能计算技术的新方向开辟一个新方向。
部分自定义方程是一种重要的数学问题类别，用于描述多个变量之间的相互作用，并且可以在限制复杂的物理，工程和自然现象方面具有强烈可预测的功能。但是，解决这些方程式长期以来一直是科学和工程计算中的重大挑战。当前计算用于求解稍微自定义方程的AL技术通常需要大量时间和计算资源，从而限制了其在实时或大规模应用中的可行性。
一个系统结合了差异的技术优势 - 光学神经网络和光基质乘数。它没有用传统数量数字来表示稍微习惯的方程式，而是使用光学技术来对其进行建模。具体而言，光波的不同特性（例如强度和相位）用于表示方程式中的不同变量。当光波通过一个中的一系列光学元素时，这些光学信号将随着传播过程而变化，并最终将出现在与方程式略有差异化解决方案相对应的状态中。
此方法在当前的机器研究中捕获了神经网络的基本原理：在传统的电子神经网络中，输入信号通过一系列计算Ing节点，每个节点都称量输出，直到最合适的解决方案成为最终输出。一个人在光学领域中介绍了这个想法，使用光子设备实现相似的操作，但速度更快，能耗更低。
该团队尝试了各种典型的方程式变化，包括赤道流动（用于建模地下水流动），磁性静态泊松方程在电磁过程中以及Navi-Stokes方程式以不可避免的流体（广泛用于液体机械机制）。结果表明，在复杂问题中显示出极大的灵活性和准确性。
这项研究的结果为大型科学计算和仿真工程领域的未来提供了一个新的多功能和出色平台，并有望对许多主要领域（例如地质建模，芯片设计和气候模拟）产生远程影响。 （记者Zhang Mengur）
（编辑：Hao Mengjia，Li Fang）
分享让许多人看到
