يمكن لنوع جديد من المواد أن يتعلم ويحسن قدرته على التعامل مع القوى غير المتوقعة بفضل هيكل شبكي فريد من نوعه مع وصلات ذات صلابة متغيرة ، مثل وصفها في ورقة جديدة من زملائي وأنا.
المادة الجديدة هي نوع من المواد المهندَسة ، والتي تحصل على خصائصها بشكل أساسي من الهندسة والسمات المحددة لتصميمها بدلاً من ما تتكون منها. خذ أغلاق القماش ذات الخطاف والحلقة مثل الفيلكرو ، على سبيل المثال. لا يهم ما إذا كانت مصنوعة من القطن أو البلاستيك أو أي مادة أخرى. طالما أن أحد الجانبين عبارة عن قماش به خطافات صلبة والجانب الآخر به حلقات منفوشة ، فإن المادة ستكون لها الخصائص اللاصقة للفيلكرو.
استندت أنا وزملائي إلى بنية المواد الجديدة لدينا على أساس شبكة عصبية اصطناعية - طبقات من العقد المترابطة التي يمكنها تعلم القيام بالمهام من خلال تغيير مقدار الأهمية أو الوزن الذي يضعونه على كل اتصال. افترضنا أن الشبكة الميكانيكية ذات العقد الفيزيائية يمكن تدريبها على اكتساب خواص ميكانيكية معينة عن طريق ضبط صلابة كل اتصال.
لمعرفة ما إذا كانت الشبكة الميكانيكية قادرة على تبني خصائص جديدة والحفاظ عليها - مثل اتخاذ شكل جديد أو تغيير قوة الاتجاه - بدأنا ببناء نموذج حاسوبي. ثم اخترنا الشكل المطلوب للمادة وكذلك قوى الإدخال وكان لدينا خوارزمية كمبيوتر لضبط توترات الاتصالات بحيث تنتج قوى الإدخال الشكل المطلوب. لقد أجرينا هذا التدريب على 200 بنية شبكية مختلفة ووجدنا أن الشبكة المثلثة كانت الأفضل في تحقيق جميع الأشكال التي اختبرناها.
بمجرد ضبط العديد من الاتصالات لتحقيق مجموعة من المهام ، ستستمر المادة في التفاعل بالطريقة المرغوبة. يتم تذكر التدريب - بمعنى ما - في بنية المادة نفسها.
ثم قمنا ببناء شبكة نموذجية مادية ذات نوابض كهروميكانيكية قابلة للتعديل مرتبة في شبكة مثلثة الشكل. يتكون النموذج الأولي من وصلات 6 بوصات ويبلغ طولها حوالي 2 قدم وعرضها 1½ قدم. وقد نجحت. عندما عملت الشبكة والخوارزمية معًا ، كانت المادة قادرة على التعلم وتغيير الشكل بطرق معينة عند تعرضها لقوى مختلفة. نسمي هذه المادة الجديدة الشبكة العصبية الميكانيكية.
لماذا يهم
الى جانب بعض الأنسجة الحية، القليل جدًا من المواد يمكن أن تتعلم كيف تكون أفضل في التعامل مع الأحمال غير المتوقعة. تخيل جناح طائرة يلتقط فجأة عاصفة من الرياح ويضطر في اتجاه غير متوقع. لا يمكن للجناح تغيير تصميمه ليكون أقوى في هذا الاتجاه.
يمكن أن تتكيف المواد الشبكية النموذجية التي صممناها مع الظروف المتغيرة أو غير المعروفة. في الجناح ، على سبيل المثال ، يمكن أن تكون هذه التغييرات عبارة عن تراكم للأضرار الداخلية ، أو تغييرات في كيفية ربط الجناح بمركبة ، أو تقلبات في الأحمال الخارجية. في كل مرة واجه فيها جناح مكون من شبكة عصبية ميكانيكية أحد هذه السيناريوهات ، يمكن أن يقوي ويخفف اتصالاته للحفاظ على السمات المرغوبة مثل قوة الاتجاه. بمرور الوقت ، من خلال التعديلات المتتالية التي أجرتها الخوارزمية ، يتبنى الجناح خصائص جديدة ويحافظ عليها ، مضيفًا كل سلوك إلى الباقي كنوع من ذاكرة العضلات.
يمكن أن يكون لهذا النوع من المواد تطبيقات بعيدة المدى لطول العمر وكفاءة الهياكل المبنية. لا يمكن أن يكون الجناح المصنوع من مادة شبكة عصبية ميكانيكية أقوى فحسب ، بل يمكن أيضًا تدريبه على التحول إلى أشكال تزيد من كفاءة استهلاك الوقود إلى أقصى حد استجابة للظروف المتغيرة من حوله.
ما لا يزال غير معروف
حتى الآن ، عمل فريقنا فقط مع المشابك ثنائية الأبعاد. لكن باستخدام النمذجة الحاسوبية ، نتوقع أن المشابك ثلاثية الأبعاد سيكون لها قدرة أكبر على التعلم والتكيف. ترجع هذه الزيادة إلى حقيقة أن البنية ثلاثية الأبعاد يمكن أن تحتوي على عشرات المرات من الوصلات ، أو الينابيع ، التي لا تتقاطع مع بعضها البعض. ومع ذلك ، فإن الآليات التي استخدمناها في نموذجنا الأول معقدة للغاية بحيث لا يمكن دعمها في بنية ثلاثية الأبعاد كبيرة.
ماذا بعد
المواد التي أنشأتها أنا وزملائي هي دليل على المفهوم وتظهر إمكانات الشبكات العصبية الميكانيكية. لكن لإدخال هذه الفكرة إلى العالم الحقيقي ، سيتطلب معرفة كيفية جعل القطع الفردية أصغر مع خصائص دقيقة للثني والتوتر.
نأمل بحث جديد في تصنيع المواد بمقياس ميكرون، وكذلك العمل عليها مواد جديدة مع صلابة قابلة للتعديل، ستؤدي إلى تطورات تجعل الشبكات العصبية الميكانيكية الذكية القوية ذات العناصر الميكرونية والتوصيلات ثلاثية الأبعاد الكثيفة حقيقة في كل مكان في المستقبل القريب.
يتم إعادة نشر هذه المقالة من المحادثة تحت رخصة المشاع الإبداعي. إقرأ ال المقال الأصلي.
الصورة الائتمان: مجموعة الأبحاث المرنة في جامعة كاليفورنيا
