Un nuevo tipo de material puede aprender y mejorar su capacidad para hacer frente a fuerzas inesperadas gracias a una estructura reticular única con conexiones de rigidez variable, como descrito en un nuevo artículo por mis compañeros y por mí.
El nuevo material es un tipo de material de arquitectura, que obtiene sus propiedades principalmente de la geometría y los rasgos específicos de su diseño más que de lo que está hecho. Tome cierres de tela de velcro, por ejemplo. No importa si está hecho de algodón, plástico o cualquier otra sustancia. Siempre que un lado sea una tela con ganchos rígidos y el otro lado tenga bucles esponjosos, el material tendrá las propiedades adhesivas del velcro.
Mis colegas y yo basamos la arquitectura de nuestro nuevo material en la de una red neuronal artificial: capas de nodos interconectados que pueden aprender a hacer tareas cambiando la importancia o el peso que le dan a cada conexión. Presumimos que una red mecánica con nodos físicos podría entrenarse para adquirir ciertas propiedades mecánicas ajustando la rigidez de cada conexión.
Para averiguar si una red mecánica podría adoptar y mantener nuevas propiedades, como adoptar una nueva forma o cambiar la fuerza direccional, comenzamos construyendo un modelo de computadora. Luego, seleccionamos la forma deseada para el material, así como las fuerzas de entrada, y un algoritmo de computadora ajustó las tensiones de las conexiones para que las fuerzas de entrada produjeran la forma deseada. Hicimos este entrenamiento en 200 estructuras de celosía diferentes y descubrimos que una celosía triangular era la mejor para lograr todas las formas que probamos.
Una vez que se sintonizan las muchas conexiones para lograr un conjunto de tareas, el material continuará reaccionando de la manera deseada. El entrenamiento es, en cierto sentido, recordado en la estructura del material mismo.
Luego construimos un prototipo físico de celosía con resortes electromecánicos ajustables dispuestos en una celosía triangular. El prototipo está hecho de conexiones de 6 pulgadas y mide aproximadamente 2 pies de largo por 1½ pies de ancho. Y funcionó. Cuando la red y el algoritmo trabajaron juntos, el material pudo aprender y cambiar de forma de formas particulares cuando se sometió a diferentes fuerzas. Llamamos a este nuevo material una red neuronal mecánica.
Por qué es Importante
Además de algunos tejidos vivos, muy pocos materiales pueden aprender a manejar mejor las cargas imprevistas. Imagine el ala de un avión que de repente recibe una ráfaga de viento y se ve forzada en una dirección imprevista. El ala no puede cambiar su diseño para ser más fuerte en esa dirección.
El prototipo de material reticular que diseñamos puede adaptarse a condiciones cambiantes o desconocidas. En un ala, por ejemplo, estos cambios podrían ser la acumulación de daños internos, cambios en la forma en que el ala está unida a una nave o cargas externas fluctuantes. Cada vez que un ala hecha de una red neuronal mecánica experimentó uno de estos escenarios, podría fortalecer y suavizar sus conexiones para mantener los atributos deseados como la fuerza direccional. Con el tiempo, a través de los sucesivos ajustes que realiza el algoritmo, el ala adopta y mantiene nuevas propiedades, sumando cada comportamiento al resto a modo de memoria muscular.
Este tipo de material podría tener aplicaciones de gran alcance para la longevidad y la eficiencia de las estructuras construidas. Un ala hecha de un material de red neuronal mecánica no solo podría ser más fuerte, sino que también podría entrenarse para transformarse en formas que maximicen la eficiencia del combustible en respuesta a las condiciones cambiantes a su alrededor.
Lo que aún no se sabe
Hasta ahora, nuestro equipo ha trabajado solo con celosías 2D. Pero utilizando modelos informáticos, predecimos que las redes 3D tendrían una capacidad de aprendizaje y adaptación mucho mayor. Este aumento se debe al hecho de que una estructura 3D podría tener decenas de veces más conexiones, o resortes, que no se cruzan entre sí. Sin embargo, los mecanismos que usamos en nuestro primer modelo son demasiado complejos para admitirlos en una gran estructura 3D.
Pasos a seguir
El material que creamos mis colegas y yo es una prueba de concepto y muestra el potencial de las redes neuronales mecánicas. Pero llevar esta idea al mundo real requerirá descubrir cómo hacer que las piezas individuales sean más pequeñas y con propiedades precisas de flexión y tensión.
Esperamos nuevas investigaciones en el fabricación de materiales a escala micrométrica, así como trabajar en nuevos materiales con rigidez ajustable, dará lugar a avances que harán de las potentes redes neuronales mecánicas inteligentes con elementos a escala micrométrica y conexiones 3D densas una realidad omnipresente en un futuro próximo.
Este artículo se republica de La conversación bajo una licencia Creative Commons. Leer el articulo original.
Crédito de la imagen: Grupo de Investigación Flexible en UCLA
