مواد ساخته شده از شبکه های عصبی مکانیکی می توانند یاد بگیرند که ویژگی های فیزیکی خود را تطبیق دهند

یک نوع جدید از مواد می تواند به لطف ساختار شبکه ای منحصر به فرد با اتصالات سختی متغیر، توانایی خود را برای مقابله با نیروهای غیرمنتظره یاد بگیرد و بهبود بخشد. در یک مقاله جدید توضیح داده شده است توسط من و همکارانم

متریال جدید نوعی مصالح معماری است که خواص خود را عمدتاً از هندسه و ویژگی‌های خاص طراحی خود به دست می‌آورد تا آنچه از آن ساخته شده است. به عنوان مثال، بسته های پارچه ای قلاب و حلقه مانند Velcro را در نظر بگیرید. فرقی نمی کند که از پنبه، پلاستیک یا هر ماده دیگری ساخته شده باشد. تا زمانی که یک طرف آن پارچه ای با قلاب های سفت و طرف دیگر دارای حلقه های کرکی باشد، این ماده خاصیت چسبندگی Velcro را خواهد داشت.

من و همکارانم معماری مواد جدیدمان را بر اساس یک شبکه عصبی مصنوعی - لایه هایی از گره های به هم پیوسته که می توانند یاد بگیرید که وظایف را انجام دهید با تغییر میزان اهمیت یا وزن آنها برای هر اتصال. ما فرض کردیم که یک شبکه مکانیکی با گره های فیزیکی را می توان آموزش داد تا با تنظیم صلبیت هر اتصال، خواص مکانیکی خاصی را به خود بگیرد.

برای اینکه بفهمیم آیا یک شبکه مکانیکی می‌تواند ویژگی‌های جدیدی را اتخاذ کند و حفظ کند - مانند شکل‌گیری جدید یا تغییر استحکام جهت، ما با ساخت یک مدل کامپیوتری شروع کردیم. سپس یک شکل دلخواه برای مواد و همچنین نیروهای ورودی انتخاب کردیم و یک الگوریتم کامپیوتری تنش اتصالات را تنظیم کردیم تا نیروهای ورودی شکل مورد نظر را ایجاد کنند. ما این آموزش را بر روی 200 ساختار شبکه مختلف انجام دادیم و متوجه شدیم که یک شبکه مثلثی برای دستیابی به تمام اشکالی که آزمایش کردیم بهترین است.

هنگامی که بسیاری از اتصالات برای دستیابی به مجموعه ای از وظایف تنظیم شدند، مواد به شیوه دلخواه به واکنش ادامه می دهند. آموزش - به یک معنا - در ساختار خود ماده به خاطر سپرده می شود.

سپس یک شبکه اولیه فیزیکی با فنرهای الکترومکانیکی قابل تنظیم که در یک شبکه مثلثی چیده شده بود، ساختیم. نمونه اولیه از اتصالات 6 اینچی ساخته شده است و حدود 2 فوت طول و 1 فوت عرض دارد. و کار کرد. هنگامی که شبکه و الگوریتم با هم کار می کردند، مواد می توانستند یاد بگیرند و شکلشان را به روش های خاصی در اثر نیروهای مختلف تغییر دهند. ما این ماده جدید را شبکه عصبی مکانیکی می نامیم.

چرا مهم است

علاوه بر برخی بافت های زنده، تعداد بسیار کمی از مواد می توانند یاد بگیرند که در برخورد با بارهای پیش بینی نشده بهتر عمل کنند. بال هواپیما را تصور کنید که ناگهان وزش باد می زند و مجبور می شود به سمتی پیش بینی نشده برود. بال نمی تواند طراحی خود را برای قوی تر شدن در آن جهت تغییر دهد.

نمونه اولیه مواد شبکه ای که ما طراحی کردیم می تواند با شرایط متغیر یا ناشناخته سازگار شود. به عنوان مثال، در یک بال، این تغییرات می تواند تجمع آسیب های داخلی، تغییر در نحوه اتصال بال به یک کشتی، یا نوسان بارهای خارجی باشد. هر بار که یک بال ساخته شده از یک شبکه عصبی مکانیکی یکی از این سناریوها را تجربه می‌کرد، می‌توانست اتصالات خود را برای حفظ ویژگی‌های دلخواه مانند قدرت جهت‌گیری تقویت و نرم کند. با گذشت زمان، از طریق تنظیمات متوالی انجام شده توسط الگوریتم، بال ویژگی های جدیدی را اتخاذ کرده و حفظ می کند و هر رفتار را به عنوان نوعی حافظه عضلانی به بقیه اضافه می کند.

این نوع مواد می تواند کاربردهای گسترده ای برای طول عمر و کارایی سازه های ساخته شده داشته باشد. بال ساخته شده از مواد شبکه عصبی مکانیکی نه تنها می‌تواند قوی‌تر باشد، بلکه می‌تواند به شکل‌هایی تبدیل شود که بازده سوخت را در پاسخ به شرایط متغیر اطراف آن به حداکثر می‌رساند.

آنچه هنوز مشخص نیست

تیم ما تاکنون فقط با شبکه های دو بعدی کار کرده است. اما با استفاده از مدل‌سازی کامپیوتری، پیش‌بینی می‌کنیم که شبکه‌های سه بعدی ظرفیت بسیار بیشتری برای یادگیری و سازگاری خواهند داشت. این افزایش به دلیل این واقعیت است که یک ساختار سه بعدی می تواند ده ها بار اتصالات یا فنرهای بیشتری داشته باشد که با یکدیگر تلاقی ندارند. با این حال، مکانیسم‌هایی که ما در اولین مدل خود استفاده کردیم بسیار پیچیده‌تر از آن هستند که در یک ساختار سه بعدی بزرگ پشتیبانی شوند.

بعدی چیست؟

موادی که من و همکارانم ایجاد کردیم اثبات مفهوم است و پتانسیل شبکه های عصبی مکانیکی را نشان می دهد. اما برای آوردن این ایده به دنیای واقعی نیاز به درک چگونگی کوچک‌تر کردن تکه‌های تکه‌ای و با خواص دقیق انعطاف‌پذیری و کشش دارد.

ما امیدواریم تحقیقات جدید در تولید مواد در مقیاس میکرونی، و همچنین روی آن کار کنید مواد جدید با سفتی قابل تنظیم، منجر به پیشرفت هایی می شود که شبکه های عصبی مکانیکی هوشمند قدرتمند با عناصر در مقیاس میکرونی و اتصالات سه بعدی متراکم را در آینده ای نزدیک به واقعیتی فراگیر تبدیل می کند.

این مقاله از مجله منتشر شده است گفتگو تحت مجوز Creative Commons دفعات بازدید: مقاله.

تصویر های اعتباری: گروه تحقیقاتی انعطاف پذیر در UCLA