AMNYTT AMNYTT.no 4/2026 | Page 14

Å studere fysikk kan være svært nyttig – selv når det gjelder maskinlæring. En digital « superhjerne » med innebygd kunnskap om grunnleggende naturlover kan fremskynde utviklingen av optiske komponenter for alt fra kvantedatamaskiner til brille- eller kameralinser, ifølge en ny studie fra Chalmers tekniska högskola i Sverige. Tidsbesparelsen gjør at de får fart på designutviklingen for optiske komponenter.

– Da vi matet superhjernen med informasjon om fysikkens lover, ble den umiddelbart mye smartere. Beregningene våre tar nå en tidel av tiden som tidligere var nødvendig, sier Philippe Tassin, professor ved Institutt for fysikk og astronomi, Chalmers teknologiske universitet.

Tidkrevende å mate data Forskerteamet designer optiske komponenter innen nanofotonikk. I en liten skala – mindre enn én bølgelengde – kan lys kontrolleres og manipuleres på en helt annen måte enn i større skalaer. Men det er også begrensninger på hvordan lys kan styres på avanserte måter i naturlige optiske materialer. For å komme rundt disse begrensningene undersøker og designer forskergruppen, ledet av Tassin, kunstige materialer ved hjelp av datasimuleringer. Simuleringene er avgjørende når forskerne skal finne ut hvordan de kan designe materialet optimalt – men det er svært tidkrevende å mate data inn i et nevralt nettverk, når opptil 40 000 simuleringer kan være nødvendig. – Det kan ta oss en hel måned å generere nok data til å trene det nevrale nettverket.

Hvis du så innser at du må legge til flere ting, kan det ta en måned til, sier Viktor Lilja, doktorgradsstudent ved Institutt for fysikk og astronomi, Chalmers tekniske høyskole. Nå har forskerne funnet en måte å gjøre jobben på en tidel av tiden de brukte tidligere. De har gitt det nevrale nettverket en grunnleggende forståelse av fysikk – selv før det har blitt trent.

Kunnskap om fysikkens lover Den underliggende ideen er at en optisk komponent må følge lovene om fysikk og elektromagnetisme. Forskerne har lært det nevrale nettverket disse lovene – og gi det en slags grunnleggende utdanning i fysikk. Ideen kom opp da de prøvde å gjøre det nevrale nettverkets prediksjoner enklere å tolke ved å bygge inn gjenkjennbare ligninger. Da de så testet nettverket, viste det seg at det også hadde blitt mye smartere; nettverket trengte nå mindre data for å trenes effektivt. – Når vi hadde trent nettverket, kunne vi be det om å undersøke en hvilken som helst struktur og få presentert de optiske egenskapene på et millisekund. Med disse nye nettverkene får vi bedre estimater og unngår åpenbare feil, sier Lilja.