太阳能电池、望远镜和其他光学元件制造商或许能够利用人工智能更快地设计出更好的设备。密歇根大学工程师开发的 OptoGPT 利用 ChatGPT 所依赖的计算机架构，从所需的光学特性逆向推导可以提供这些特性的材料结构。该论文发表在《光电进展》杂志上。
新算法设计了光学多层膜结构(堆叠不同材料的薄层)，可用于多种用途。精心设计的多层结构可以最大限度地提高太阳能电池的光吸收率或优化望远镜的反射率。它们可以利用极紫外光改善半导体制造，并通过智能窗户使建筑物更好地调节热量，这些窗户会根据温度变得更透明或更具反射性。
OptoGPT 可在 0.1 秒内几乎瞬间生成多层薄膜结构的设计。此外，与之前的型号相比，OptoGPT 的设计平均少了 6 层，这意味着其设计更易于制造。
“设计这些结构通常需要大量的培训和专业知识，因为确定最佳的材料组合以及每层的厚度并非易事，”密歇根大学电气与计算机工程教授兼研究通讯作者 L. Jay Guo 表示。
对于刚进入该领域的人来说，很难知道从哪里开始。为了实现光学结构设计过程的自动化，研究团队根据自己的目的定制了一个转换器架构(OpenAI 的 ChatGPT 和 Google 的 Bard 等大型语言模型中使用的机器学习框架)。
“从某种意义上说，我们创建了人工句子来适应现有的模型结构，”郭说。
该模型将一定厚度的材料视为单词，并将其相关的光学特性编码为输入。通过寻找这些“单词”之间的相关性，该模型可以预测下一个单词以创建一个“短语”——在本例中是光学多层膜结构的设计——以实现所需的特性，例如高反射率。