En ny type materiale kan lære og forbedre sin evne til å håndtere uventede krefter takket være en unik gitterstruktur med forbindelser med variabel stivhet, som beskrevet i en ny artikkel av mine kolleger og meg.
Det nye materialet er en type arkitektonisk materiale, som får sine egenskaper hovedsakelig fra geometrien og spesifikke trekk ved designet i stedet for hva det er laget av. Ta krok-og-løkke stofflukkinger som borrelås, for eksempel. Det spiller ingen rolle om det er laget av bomull, plast eller andre stoffer. Så lenge den ene siden er et stoff med stive kroker og den andre siden har fluffy hemper, vil materialet ha de klebrige egenskapene til borrelås.
Mine kolleger og jeg baserte det nye materialets arkitektur på arkitekturen til et kunstig nevralt nettverk – lag av sammenkoblede noder som kan lære å gjøre oppgaver ved å endre hvor stor betydning, eller vekt, de legger på hver forbindelse. Vi antok at et mekanisk gitter med fysiske noder kunne trenes til å ta på seg visse mekaniske egenskaper ved å justere hver forbindelses stivhet.
For å finne ut om et mekanisk gitter ville være i stand til å ta i bruk og opprettholde nye egenskaper – som å få en ny form eller endre retningsstyrke – startet vi med å bygge en datamodell. Vi valgte deretter en ønsket form for materialet samt inngangskrefter og fikk en datamaskinalgoritme til å stille inn spenningene til forbindelsene slik at inngangskreftene skulle gi ønsket form. Vi gjorde denne treningen på 200 forskjellige gitterstrukturer og fant ut at et trekantet gitter var best til å oppnå alle formene vi testet.
Når de mange forbindelsene er innstilt for å oppnå et sett med oppgaver, vil materialet fortsette å reagere på ønsket måte. Treningen huskes – på en måte – i selve materialets struktur.
Vi bygde deretter et fysisk prototypegitter med justerbare elektromekaniske fjærer arrangert i et trekantet gitter. Prototypen er laget av 6-tommers koblinger og er omtrent 2 fot lang og 1½ fot bred. Og det fungerte. Når gitteret og algoritmen fungerte sammen, var materialet i stand til å lære og endre form på spesielle måter når det ble utsatt for forskjellige krefter. Vi kaller dette nye materialet et mekanisk nevralt nettverk.
Hvorfor det gjelder
Foruten noen levende vev, svært få materialer kan lære å bli bedre til å håndtere uforutsette belastninger. Se for deg en flyvinge som plutselig får et vindkast og tvinges i en uventet retning. Vingen kan ikke endre designet for å være sterkere i den retningen.
Prototypen gittermateriale vi designet kan tilpasse seg skiftende eller ukjente forhold. I en vinge, for eksempel, kan disse endringene være akkumulering av indre skader, endringer i hvordan vingen er festet til et fartøy, eller fluktuerende ytre belastninger. Hver gang en vinge laget av et mekanisk nevralt nettverk opplevde et av disse scenariene, kunne den styrke og myke opp forbindelsene for å opprettholde ønskede egenskaper som retningsstyrke. Over tid, gjennom suksessive justeringer gjort av algoritmen, tar vingen i bruk og opprettholder nye egenskaper, og legger hver atferd til resten som en slags muskelminne.
Denne typen materiale kan ha vidtrekkende bruksområder for lang levetid og effektivitet til bygde strukturer. Ikke bare kan en vinge laget av et mekanisk nevralt nettverksmateriale være sterkere, den kan også trenes til å forvandle seg til former som maksimerer drivstoffeffektiviteten som svar på skiftende forhold rundt den.
Hva er fortsatt ikke kjent
Så langt har teamet vårt kun jobbet med 2D-gitter. Men ved bruk av datamodellering spår vi at 3D-gitter vil ha mye større kapasitet for læring og tilpasning. Denne økningen skyldes det faktum at en 3D-struktur kan ha titalls ganger flere forbindelser, eller fjærer, som ikke krysser hverandre. Mekanismene vi brukte i vår første modell er imidlertid altfor komplekse til å støtte i en stor 3D-struktur.
Hva blir det neste
Materialet mine kolleger og jeg laget er et proof of concept og viser potensialet til mekaniske nevrale nettverk. Men for å bringe denne ideen inn i den virkelige verden vil det kreve å finne ut hvordan man kan gjøre de enkelte brikkene mindre og med nøyaktige egenskaper for flex og spenning.
Vi håper ny forskning i produksjon av materialer i mikron skala, samt jobbe med nye materialer med justerbar stivhet, vil føre til fremskritt som gjør kraftige smarte mekaniske nevrale nettverk med mikronskalaelementer og tette 3D-forbindelser til en allestedsnærværende realitet i nær fremtid.
Denne artikkelen er publisert fra Den Conversation under en Creative Commons-lisens. Les opprinnelige artikkelen.
Bilde Credit: Fleksibel forskningsgruppe ved UCLA
