En ny type materiale kan lære og forbedre sin evne til at håndtere uventede kræfter takket være en unik gitterstruktur med forbindelser med variabel stivhed, som f. beskrevet i et nyt blad af mine kolleger og mig.
Det nye materiale er en type arkitektonisk materiale, som hovedsageligt får sine egenskaber fra geometrien og specifikke træk ved dets design frem for det, det er lavet af. Tag for eksempel kroge-og-løkke-stoflukninger som velcro. Det er lige meget, om det er lavet af bomuld, plastik eller andre stoffer. Så længe den ene side er et stof med stive kroge og den anden side har fluffy løkker, vil materialet have de klæbrige egenskaber som velcro.
Mine kolleger og jeg baserede vores nye materiales arkitektur på arkitekturen i et kunstigt neuralt netværk – lag af indbyrdes forbundne noder, der kan lære at udføre opgaver ved at ændre, hvor meget betydning eller vægt de tillægger hver forbindelse. Vi antog, at et mekanisk gitter med fysiske noder kunne trænes til at påtage sig visse mekaniske egenskaber ved at justere hver forbindelses stivhed.
For at finde ud af, om et mekanisk gitter ville være i stand til at adoptere og vedligeholde nye egenskaber - som at antage en ny form eller ændre retningsstyrke - startede vi med at bygge en computermodel. Vi valgte derefter en ønsket form for materialet samt inputkræfter og fik en computeralgoritme til at tune spændingerne af forbindelserne, så inputkræfterne ville producere den ønskede form. Vi lavede denne træning på 200 forskellige gitterstrukturer og fandt ud af, at et trekantet gitter var bedst til at opnå alle de former, vi testede.
Når de mange forbindelser er tunet til at opnå et sæt opgaver, vil materialet fortsætte med at reagere på den ønskede måde. Træningen er – på en måde – husket i selve materialets opbygning.
Derefter byggede vi et fysisk prototype gitter med justerbare elektromekaniske fjedre arrangeret i et trekantet gitter. Prototypen er lavet af 6-tommer forbindelser og er omkring 2 fod lang og 1½ fod bred. Og det virkede. Når gitteret og algoritmen arbejdede sammen, var materialet i stand til at lære og ændre form på særlige måder, når det blev udsat for forskellige kræfter. Vi kalder dette nye materiale et mekanisk neuralt netværk.
Hvorfor det drejer sig om
Udover nogle levende væv, meget få materialer kan lære at blive bedre til at håndtere uforudsete belastninger. Forestil dig en flyvinge, der pludselig fanger et vindstød og tvinges i en uventet retning. Vingen kan ikke ændre sit design til at være stærkere i den retning.
Prototypen gittermateriale, vi har designet, kan tilpasse sig skiftende eller ukendte forhold. I en vinge kan disse ændringer for eksempel være ophobning af indre skader, ændringer i, hvordan vingen er fastgjort til et fartøj, eller fluktuerende ydre belastninger. Hver gang en vinge lavet af et mekanisk neuralt netværk oplevede et af disse scenarier, kunne den styrke og blødgøre dens forbindelser for at bevare ønskede egenskaber som retningsbestemt styrke. Over tid, gennem successive justeringer foretaget af algoritmen, adopterer og vedligeholder vingen nye egenskaber, og tilføjer hver adfærd til resten som en slags muskelhukommelse.
Denne type materiale kan have vidtrækkende anvendelser for byggede strukturers levetid og effektivitet. Ikke alene kunne en vinge lavet af et mekanisk neuralt netværksmateriale være stærkere, den kunne også trænes til at omdannes til former, der maksimerer brændstofeffektiviteten som reaktion på skiftende forhold omkring den.
Hvad er stadig ikke kendt
Indtil videre har vores team kun arbejdet med 2D-gitter. Men ved hjælp af computermodellering forudsiger vi, at 3D-gitter ville have en meget større kapacitet til læring og tilpasning. Denne stigning skyldes det faktum, at en 3D-struktur kan have titusinder gange flere forbindelser eller fjedre, der ikke krydser hinanden. De mekanismer, vi brugte i vores første model, er dog alt for komplekse til at understøtte i en stor 3D-struktur.
Hvad er næste
Materialet mine kolleger og jeg har skabt er et proof of concept og viser potentialet i mekaniske neurale netværk. Men at bringe denne idé ud i den virkelige verden vil kræve at finde ud af, hvordan man kan gøre de enkelte stykker mindre og med præcise egenskaber af flex og spænding.
Vi håber ny forskning i fremstilling af materialer i mikron skala, samt arbejde på nye materialer med justerbar stivhed, vil føre til fremskridt, der gør kraftfulde smarte mekaniske neurale netværk med mikronskalaelementer og tætte 3D-forbindelser til en allestedsnærværende realitet i den nærmeste fremtid.
Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs oprindelige artikel.
Billede Credit: Fleksibel forskningsgruppe ved UCLA
