人工智能可以下围棋，能够精确进行人脸识别，实现机器翻译……最近几年人工智能应用的突破几乎都离不开人工神经网络——一种模仿生物神经网络结构的计算模型，利用大量的人工神经元连结进行计算。
近期，人工神经网络转战物理研究领域，来自麻省理工学院的物理学家们尝试利用人工神经网络解决物理学问题，他们发现这一新技术让原来需要几个月时间才能完成的工作，变得异常简单高效，一个不具备专业背景的人，只需花费几分钟即可完成。
纳米颗粒一般是指一种人工制造的、大小不超过100纳米的微型颗粒，它是纳米光学器件的一种，在生物医学设备、隐形系统等领域有着广泛的应用前景。
设计一个纳米颗粒的结构确实是专业性极强的工作，其中涉及复杂的物理公式和大量的计算，从前期准备到完成设计，一个专业人士可能需要几个月的时间。但是现在，情况发生了一些变化。美国麻省理工学院的物理学家们设计了一个人工智能的工具，利用人工神经网络技术，能够让没有专业知识背景的人也可以完成纳米颗粒的结构设计，效率也提升了好几个数量级。
传统上来说，在纳米尺度设计光学器件的时候，需要进行全模拟的仿真，计算光与器件之间会产生怎样的相互作用，但是这种仿真在具有非常大的计算量，通常做一次简单的仿真就需要花费几小时的时间。而当我们用人工智能的方法，利用深度学习的算法，训练出来一个神经网络，这个神经网络本身就可以用更快的速度来进行仿真了。
沈亦晨所在的实验组具有纳米光学的背景，拥有大量的数据，可以“告诉”神经网络不同的纳米颗粒对应的光学效果是怎样的，当数据量足够多的时候，这个神经网络就学会了光和器件之间相互作用的关系。
研究人员对一个具有8层结构的纳米颗粒进行了逆设计的研究，发现神经网络给出的结果非常准确。在整个研究过程中，研究人员针对2层到10层的纳米颗粒训练了不同的神经网络，当纳米颗粒层数增加的时候，神经网络的体积也会增加。虽然训练神经网络会耗费大量的时间，但是，一旦被训练好，就会获得巨大的价值。研究结果显示，即使是针对复杂的逆设计问题，这一人工智能工具也非常易于使用和实施。