סוג חדש של חומר יכול ללמוד ולשפר את יכולתו להתמודד עם כוחות בלתי צפויים הודות למבנה סריג ייחודי עם חיבורים של קשיחות משתנה, כמו מתואר בעיתון חדש על ידי הקולגות שלי ואני.
החומר החדש הוא סוג של חומר ארכיטקט, שמקבל את תכונותיו בעיקר מהגיאומטריה ומהתכונות הספציפיות של העיצוב שלו ולא ממה שהוא עשוי ממנו. קחו למשל סגירות מבד קרס כמו סקוטש. זה לא משנה אם הוא עשוי מכותנה, פלסטיק או כל חומר אחר. כל עוד צד אחד הוא בד עם ווים נוקשים ולצד השני יש לולאות רכות, לחומר יהיו תכונות דביקות של סקוטש.
עמיתיי ואני ביססנו את ארכיטקטורת החומר החדש שלנו על זו של רשת עצבית מלאכותית - שכבות של צמתים מחוברים זה לזה שיכולים ללמוד לעשות משימות על ידי שינוי מידת החשיבות, או המשקל, שהם מייחסים לכל חיבור. שיערנו שניתן לאמן סריג מכני עם צמתים פיזיקליים לקבל על עצמו תכונות מכניות מסוימות על ידי התאמת הקשיחות של כל חיבור.
כדי לברר אם סריג מכני יוכל לאמץ ולשמור על מאפיינים חדשים - כמו לקיחת צורה חדשה או שינוי חוזק כיווני - התחלנו בבניית מודל ממוחשב. לאחר מכן בחרנו צורה רצויה לחומר וכן כוחות קלט והנחנו אלגוריתם מחשב לכוונן את המתחים של החיבורים כך שכוחות הקלט יפיקו את הצורה הרצויה. עשינו אימון זה על 200 מבני סריג שונים וגילינו שסריג משולש היה הטוב ביותר בהשגת כל הצורות שבדקנו.
לאחר שהחיבורים הרבים יכוונו להשגת סדרה של משימות, החומר ימשיך להגיב בצורה הרצויה. האימון זכור - במובן מסוים - במבנה החומר עצמו.
לאחר מכן בנינו אב טיפוס פיזי עם קפיצים אלקטרומכניים מתכווננים המסודרים בסריג משולש. אב הטיפוס עשוי מחיבורים בגודל 6 אינץ' ואורכו כ-2 רגל על 1½ רגל רוחב. וזה עבד. כאשר הסריג והאלגוריתם עבדו יחדיו, החומר היה מסוגל ללמוד ולשנות צורה בדרכים מסוימות כאשר הוא נתון לכוחות שונים. אנו קוראים לחומר החדש הזה רשת עצבית מכנית.
למה זה משנה
חוץ מכמה רקמות חיות, מעט מאוד חומרים יכולים ללמוד להיות טובים יותר בהתמודדות עם עומסים בלתי צפויים. דמיינו לעצמכם כנף מטוס שתופסת לפתע משב רוח ונאלצת לכיוון בלתי צפוי. הכנף לא יכולה לשנות את העיצוב שלה כדי להיות חזקה יותר בכיוון הזה.
אב הטיפוס של חומר הסריג שעיצבנו יכול להתאים לתנאים משתנים או לא ידועים. בכנף, למשל, שינויים אלו יכולים להיות הצטברות של נזקים פנימיים, שינויים באופן הצמדת הכנף למלאכה, או תנודות בעומסים חיצוניים. בכל פעם שכנף עשויה מרשת עצבית מכנית חוותה אחד מהתרחישים הללו, היא יכולה לחזק ולרכך את הקשרים שלה כדי לשמור על תכונות רצויות כמו חוזק כיווני. עם הזמן, באמצעות התאמות עוקבות שבוצעו על ידי האלגוריתם, הכנף מאמצת ושומרת על מאפיינים חדשים, ומוסיפה כל התנהגות לשאר כמעין זיכרון שריר.
לסוג זה של חומר יכול להיות יישומים מרחיקי לכת עבור אריכות ימים ויעילות של מבנים בנויים. לא רק שכנף עשויה מחומר של רשת עצבית מכנית יכולה להיות חזקה יותר, היא גם יכולה להיות מאומנת לעצב צורות שממקסמות את יעילות הדלק בתגובה לתנאים המשתנים סביבה.
מה שעדיין לא ידוע
עד כה, הצוות שלנו עבד רק עם סריג דו-ממדי. אבל באמצעות מודלים ממוחשבים, אנו צופים שלסריגים תלת מימדיים תהיה יכולת הרבה יותר גדולה ללמידה והתאמה. עלייה זו נובעת מהעובדה שלמבנה תלת מימדי עשויים להיות עשרות מונים יותר חיבורים, או קפיצים, שאינם מצטלבים זה עם זה. עם זאת, המנגנונים שבהם השתמשנו במודל הראשון שלנו מורכבים מכדי לתמוך במבנה תלת מימדי גדול.
מה הלאה
החומר שעמיתיי ואני יצרנו הוא הוכחה לקונספט ומראה את הפוטנציאל של רשתות עצביות מכניות. אבל כדי להביא את הרעיון הזה לעולם האמיתי ידרוש להבין כיצד להפוך את החלקים הבודדים לקטנים יותר ובעלי תכונות מדויקות של גמישות ומתח.
אנו מקווים מחקר חדש בתחום ייצור חומרים בקנה מידה מיקרוני, כמו גם לעבוד על חומרים חדשים עם קשיחות מתכווננת, יוביל להתקדמות שהופכת רשתות עצביות מכניות חכמות חזקות עם אלמנטים בקנה מידה מיקרוני וחיבורי תלת מימד צפופים למציאות בכל מקום בעתיד הקרוב.
מאמר זה פורסם מחדש מתוך שיחה תחת רישיון Creative Commons. קרא את ה מאמר מקורי.
תמונת אשראי: קבוצת מחקר גמישה ב-UCLA
