新しいタイプの材料は、さまざまな剛性の接続を備えた独自の格子構造のおかげで、予期しない力に対処する能力を学習して改善できます。 新しい論文で説明されています 私の同僚と私によって。
新しいマテリアルは一種のアーキテクト マテリアルであり、そのプロパティは、主に、それが作られているものではなく、そのデザインのジオメトリと特定の特性から得られます。 たとえば、ベルクロのようなフックとループのファブリック クロージャーを考えてみましょう。 綿、プラスチック、その他の素材でできているかどうかは関係ありません。 片面がしっかりしたホック付きの生地で、もう片面がふわふわのループになっている限り、素材にはベルクロの粘着性があります.
同僚と私は、新しい材料のアーキテクチャを、人工ニューラル ネットワーク (相互接続されたノードの層) のアーキテクチャに基づいて作成しました。 タスクを実行することを学ぶ 各接続の重要性または重みを変更することによって。 物理ノードを持つ機械格子は、各接続の剛性を調整することで、特定の機械的特性を持つようにトレーニングできるという仮説を立てました。
機械格子が新しい特性 (新しい形状の採用や方向強度の変更など) を採用して維持できるかどうかを調べるために、コンピューター モデルを構築することから始めました。 次に、材料の目的の形状と入力力を選択し、入力した力が目的の形状を生成するように、コンピューター アルゴリズムで接続の張力を調整しました。 このトレーニングを 200 の異なる格子構造で行ったところ、テストしたすべての形状を実現するには三角格子が最適であることがわかりました。
一連のタスクを達成するために多くの接続が調整されると、マテリアルは引き続き望ましい方法で反応します。 トレーニングは、ある意味で、素材自体の構造に記憶されています。
次に、三角格子に配置された調整可能な電気機械式スプリングを備えた物理プロトタイプの格子を構築しました。 プロトタイプは 6 インチの接続でできており、長さ約 2 フィート、幅 1 フィートです。 そしてそれはうまくいきました。 ラティスとアルゴリズムが連携すると、さまざまな力が加わったときに、マテリアルは特定の方法で形状を学習して変化させることができました。 私たちは、この新しい素材をメカニカル ニューラル ネットワークと呼んでいます。
それが重要な理由
一部に加えて 生体組織、予期しない負荷をより適切に処理できるようになることを学習できる材料はほとんどありません。 飛行機の翼が突然突風を受けて、予期しない方向に動かされると想像してみてください。 翼は、その方向に強くなるように設計を変更することはできません。
私たちが設計したプロトタイプの格子材料は、変化する条件や未知の条件に適応できます。 たとえば、翼の場合、これらの変化は、内部損傷の蓄積、航空機への翼の取り付け方法の変化、または変動する外部負荷である可能性があります。 機械的ニューラル ネットワークで作られた翼がこれらのシナリオのいずれかを経験するたびに、方向強度などの望ましい属性を維持するために、結合を強化および緩和できます。 時間が経つにつれて、アルゴリズムによって行われる連続的な調整を通じて、翼は新しい特性を採用して維持し、それぞれの動作を一種のマッスル メモリとして残りの動作に追加します。
このタイプの材料は、構築された構造物の寿命と効率のために、広範囲に及ぶ用途を持つ可能性があります。 機械的ニューラル ネットワーク材料で作られた翼は、より強力になるだけでなく、周囲の状況の変化に応じて燃料効率を最大化する形状に変形するように訓練することもできます。
まだわかっていないこと
これまでのところ、私たちのチームは 2D ラティスのみを扱ってきました。 しかし、コンピューター モデリングを使用して、3D ラティスは学習と適応のためのはるかに大きな容量を持つと予測しています。 この増加は、3D 構造が互いに交差しない接続またはスプリングを数十倍も持つ可能性があるという事実によるものです。 ただし、最初のモデルで使用したメカニズムは複雑すぎて、大規模な 3D 構造をサポートできません。
次は何ですか
同僚と私が作成した資料は概念実証であり、機械的ニューラル ネットワークの可能性を示しています。 しかし、このアイデアを現実の世界に持ち込むには、個々のピースをより小さくし、屈曲と張力の正確な特性を持たせる方法を考え出す必要があります。
での新しい研究を期待しています。 ミクロンスケールでの材料の製造に取り組むだけでなく、 剛性を調整できる新素材、ミクロンスケールの要素と高密度の3D接続を備えた強力なスマートメカニカルニューラルネットワークを近い将来どこにでもある現実にする進歩につながります。
この記事はから再公開されます 会話 クリエイティブコモンズライセンスの下で 読む 原著.
画像のクレジット： UCLA の柔軟な研究グループ
