【摘要】 在遥远的地平线上，人们可能会梦想将波浪工程技术与机器学习相结合，实现新一代“自动计算机”的功能，而无需任何特定的人工操作和编程。

目前，数字信号处理器(dsp)被广泛地用于执行各种各样的计算任务，从相对简单的到高度复杂的。dsp通常由三个基本组件组成:模数转换器(A/D)，处理单元，通常还有数字模数转换器(D/A)。第一个子块(A/D)接收一个模拟信号(例如，表示图像或声音)，并将其离散成一系列比特。第二子块，即处理单元，根据所需的计算操作来操作模拟信号的离散版本。然后使用D/A子块将产生的数字流转换回模拟域。大多数计算超材料，都是基于共振的，对它们的性能有一定的限制，特别是在操作带宽方面。拓宽计算超材料的带宽对于某些应用很重要。基于计算超材料的机器学习系统只在模拟-数字混合传感系统中被提出，但完全模拟机器学习系统的研究是另一条有趣的路线，位于波浪工程和人工智能之间。为此，可以在物理层中引入非线性源，以实现学习、利用光子学中的克尔介质或光力学谐振器，或声学中的受控几何或机电非线性。模拟Ising机也可以用来解决特定的，非确定性的，多项式时间困难(NP-hard)问题。在遥远的地平线上，人们可能会梦想将波浪工程技术与机器学习相结合，实现新一代“自动计算机”的功能，而无需任何特定的人工操作和编程。这样的智能计算系统可以解决各种各样的物理、数学和工程问题，这些问题在推理上太复杂或不能用简单的数学语言描述。这表明计算超材料有一个非常光明的未来[1]。

[1]Zangeneh-Nejad, F., Sounas, D.L., Alù, A. et al. Analogue computing with metamaterials[J]. Nat Rev Mater. 2021, 6, 207-225.

科学指南针是互联网+科技服务平台,500多家检测机构,提供近5万种设备和服务项目,涵盖生物医药、智能硬件、化学化工等多个领域,由专业人员1对1跟踪服务,保证检测质量与效率。