मैकेनिकल न्यूरल नेटवर्क से बनी सामग्रियां अपने भौतिक गुणों को अनुकूलित करना सीख सकती हैं प्लेटोब्लॉकचेन डेटा इंटेलिजेंस। लंबवत खोज. ऐ.

यांत्रिक तंत्रिका नेटवर्क से बनी सामग्री उनके भौतिक गुणों को अनुकूलित करना सीख सकती है

परिवर्तनीय कठोरता के कनेक्शन के साथ एक अद्वितीय जाली संरचना के कारण एक नई प्रकार की सामग्री अप्रत्याशित ताकतों से निपटने की अपनी क्षमता सीख और सुधार सकती है, जैसे एक नए पेपर में वर्णित है मेरे सहकर्मियों और मेरे द्वारा।

नई सामग्री एक प्रकार की वास्तुशिल्प सामग्री है, जो अपने गुणों को मुख्य रूप से ज्यामिति और इसके डिजाइन की विशिष्ट विशेषताओं से प्राप्त करती है, न कि यह किस चीज से बनी है। उदाहरण के लिए, वेल्क्रो जैसे हुक-एंड-लूप फैब्रिक क्लोजर लें। इससे कोई फर्क नहीं पड़ता कि यह कपास, प्लास्टिक या किसी अन्य पदार्थ से बना है। जब तक एक तरफ कड़े हुक वाला कपड़ा है और दूसरी तरफ रोएँदार लूप हैं, तब तक सामग्री में वेल्क्रो के चिपचिपे गुण होंगे।

मेरे सहयोगियों और मैंने हमारी नई सामग्री की वास्तुकला को एक कृत्रिम तंत्रिका नेटवर्क पर आधारित किया है - जो परस्पर जुड़े नोड्स की परतें हैं कार्य करना सीखें यह बदलकर कि वे प्रत्येक कनेक्शन को कितना महत्व या महत्व देते हैं। हमने परिकल्पना की कि भौतिक नोड्स के साथ एक यांत्रिक जाली को प्रत्येक कनेक्शन की कठोरता को समायोजित करके कुछ यांत्रिक गुणों को लेने के लिए प्रशिक्षित किया जा सकता है।

वास्तुशिल्प सामग्री - जैसे कि यह 3डी जाली - अपने गुणों को इस बात से नहीं प्राप्त करती है कि वे किस चीज से बनी हैं, बल्कि उनकी संरचना से प्राप्त होती हैं। छवि क्रेडिट: रयान ली, सीसी द्वारा एनडी

यह पता लगाने के लिए कि क्या एक यांत्रिक जाली नए गुणों को अपनाने और बनाए रखने में सक्षम होगी - जैसे कि एक नया आकार लेना या दिशात्मक ताकत बदलना - हमने एक कंप्यूटर मॉडल बनाकर शुरुआत की। फिर हमने सामग्री के साथ-साथ इनपुट बलों के लिए एक वांछित आकार का चयन किया और एक कंप्यूटर एल्गोरिदम से कनेक्शन के तनाव को ट्यून किया ताकि इनपुट बल वांछित आकार का उत्पादन कर सकें। हमने यह प्रशिक्षण 200 विभिन्न जाली संरचनाओं पर किया और पाया कि एक त्रिकोणीय जाली हमारे द्वारा परीक्षण की गई सभी आकृतियों को प्राप्त करने में सर्वोत्तम थी।

एक बार जब कई कनेक्शन कार्यों के एक सेट को प्राप्त करने के लिए ट्यून हो जाते हैं, तो सामग्री वांछित तरीके से प्रतिक्रिया करना जारी रखेगी। प्रशिक्षण को एक अर्थ में सामग्री की संरचना में ही याद किया जाता है।

फिर हमने एक त्रिकोणीय जाली में व्यवस्थित समायोज्य इलेक्ट्रोमैकेनिकल स्प्रिंग्स के साथ एक भौतिक प्रोटोटाइप जाली का निर्माण किया। प्रोटोटाइप 6-इंच कनेक्शन से बना है और लगभग 2 फीट लंबा और 1½ फीट चौड़ा है। और यह काम कर गया. जब जाली और एल्गोरिदम एक साथ काम करते थे, तो सामग्री विभिन्न बलों के अधीन होने पर विशेष तरीकों से सीखने और आकार बदलने में सक्षम थी। हम इस नई सामग्री को यांत्रिक तंत्रिका नेटवर्क कहते हैं।

त्रिकोणीय जाली में व्यवस्थित हाइड्रोलिक स्प्रिंग्स की एक तस्वीर
प्रोटोटाइप 2डी है, लेकिन इस सामग्री के 3डी संस्करण के कई उपयोग हो सकते हैं। छवि क्रेडिट: जोनाथन हॉपकिंस, सीसी द्वारा एनडी

यह क्यों मायने रखता है

कुछ के अलावा जीवित ऊतक, बहुत कम सामग्रियाँ अप्रत्याशित भार से बेहतर ढंग से निपटना सीख सकती हैं। एक विमान के पंख की कल्पना करें जो अचानक हवा का झोंका पकड़ता है और अप्रत्याशित दिशा में चला जाता है। विंग उस दिशा में मजबूत होने के लिए अपना डिज़ाइन नहीं बदल सकता।

हमारे द्वारा डिज़ाइन किया गया प्रोटोटाइप जाली सामग्री बदलती या अज्ञात परिस्थितियों के अनुकूल हो सकती है। एक विंग में, उदाहरण के लिए, ये परिवर्तन आंतरिक क्षति का संचय हो सकते हैं, विंग को एक शिल्प से कैसे जोड़ा जाता है, या बाहरी भार में उतार-चढ़ाव हो सकता है। हर बार जब एक यांत्रिक तंत्रिका नेटवर्क से बना एक विंग इन परिदृश्यों में से एक का अनुभव करता है, तो यह दिशात्मक ताकत जैसी वांछित विशेषताओं को बनाए रखने के लिए अपने कनेक्शन को मजबूत और नरम कर सकता है। समय के साथ, एल्गोरिदम द्वारा किए गए क्रमिक समायोजन के माध्यम से, विंग नए गुणों को अपनाता है और बनाए रखता है, प्रत्येक व्यवहार को एक प्रकार की मांसपेशी मेमोरी के रूप में बाकी में जोड़ता है।

इस प्रकार की सामग्री निर्मित संरचनाओं की दीर्घायु और दक्षता के लिए दूरगामी अनुप्रयोग हो सकती है। न केवल यांत्रिक तंत्रिका नेटवर्क सामग्री से बना एक पंख मजबूत हो सकता है, बल्कि इसे ऐसे आकार में बदलने के लिए भी प्रशिक्षित किया जा सकता है जो इसके आसपास की बदलती परिस्थितियों के जवाब में ईंधन दक्षता को अधिकतम करते हैं।

क्या अभी भी ज्ञात नहीं है

अब तक, हमारी टीम ने केवल 2डी लैटिस के साथ काम किया है। लेकिन कंप्यूटर मॉडलिंग का उपयोग करके, हम अनुमान लगाते हैं कि 3डी लैटिस में सीखने और अनुकूलन की बहुत बड़ी क्षमता होगी। यह वृद्धि इस तथ्य के कारण है कि एक 3D संरचना में दसियों गुना अधिक कनेक्शन, या स्प्रिंग्स हो सकते हैं, जो एक दूसरे के साथ प्रतिच्छेद नहीं करते हैं। हालाँकि, हमने अपने पहले मॉडल में जिन तंत्रों का उपयोग किया था वे एक बड़ी 3डी संरचना में समर्थन करने के लिए बहुत जटिल हैं।

आगे क्या होगा

मेरे सहयोगियों और मैंने जो सामग्री बनाई वह अवधारणा का प्रमाण है और यांत्रिक तंत्रिका नेटवर्क की क्षमता को दर्शाती है। लेकिन इस विचार को वास्तविक दुनिया में लाने के लिए यह पता लगाने की आवश्यकता होगी कि अलग-अलग टुकड़ों को छोटा और लचीलेपन और तनाव के सटीक गुणों के साथ कैसे बनाया जाए।

हमें उम्मीद है कि इसमें नए शोध होंगे माइक्रोन पैमाने पर सामग्रियों का निर्माण, साथ ही साथ काम भी करते हैं समायोज्य कठोरता के साथ नई सामग्री, ऐसी प्रगति की ओर ले जाएगा जो निकट भविष्य में माइक्रोन-स्केल तत्वों और घने 3डी कनेक्शन के साथ शक्तिशाली स्मार्ट मैकेनिकल न्यूरल नेटवर्क को एक सर्वव्यापी वास्तविकता बना देगा।

इस लेख से पुन: प्रकाशित किया गया है वार्तालाप क्रिएटिव कॉमन्स लाइसेंस के तहत। को पढ़िए मूल लेख.

छवि क्रेडिट: यूसीएलए में लचीला अनुसंधान समूह

समय टिकट:

से अधिक विलक्षणता हब