Nowy rodzaj materiału może nauczyć się i poprawić swoją zdolność do radzenia sobie z nieoczekiwanymi siłami dzięki unikalnej strukturze kratowej z połączeniami o zmiennej sztywności, jak opisane w nowym artykule przez moich kolegów i przeze mnie.
Nowy materiał jest rodzajem materiału architektonicznego, który czerpie swoje właściwości głównie z geometrii i specyficznych cech projektu, a nie z tego, z czego jest wykonany. Weźmy na przykład zapięcia na rzepy, takie jak rzepy. Nie ma znaczenia, czy jest zrobiony z bawełny, plastiku czy jakiejkolwiek innej substancji. Dopóki jedna strona to tkanina ze sztywnymi haczykami, a druga strona ma puszyste pętelki, materiał będzie miał właściwości lepkich rzepów.
Moi koledzy i ja oparliśmy architekturę naszego nowego materiału na architekturze sztucznej sieci neuronowej — warstw połączonych ze sobą węzłów, które mogą nauczyć się wykonywać zadania zmieniając znaczenie lub wagę, jaką przypisują każdemu połączeniu. Postawiliśmy hipotezę, że sieć mechaniczną z fizycznymi węzłami można wytrenować tak, aby przyjmowała określone właściwości mechaniczne, dostosowując sztywność każdego połączenia.
Aby dowiedzieć się, czy sieć mechaniczna będzie w stanie przyjąć i zachować nowe właściwości — takie jak przybieranie nowego kształtu lub zmiana siły kierunkowej — rozpoczęliśmy od zbudowania modelu komputerowego. Następnie wybraliśmy żądany kształt materiału, a także siły wejściowe, a algorytm komputerowy dostroił naprężenia połączeń tak, aby siły wejściowe nadały pożądany kształt. Przeprowadziliśmy to szkolenie na 200 różnych strukturach kratowych i stwierdziliśmy, że trójkątna krata jest najlepsza w osiąganiu wszystkich testowanych kształtów.
Po dostrojeniu wielu połączeń w celu osiągnięcia zestawu zadań materiał będzie nadal reagował w pożądany sposób. Trening jest – w pewnym sensie – zapamiętywany w strukturze samego materiału.
Następnie zbudowaliśmy fizyczną prototypową siatkę z regulowanymi elektromechanicznymi sprężynami ułożonymi w trójkątną siatkę. Prototyp składa się z 6-calowych połączeń i ma około 2 stóp długości i 1½ stopy szerokości. I zadziałało. Kiedy siatka i algorytm współpracowały ze sobą, materiał był w stanie uczyć się i zmieniać kształt w określony sposób pod wpływem różnych sił. Ten nowy materiał nazywamy mechaniczną siecią neuronową.
Dlaczego jest to ważne
Poza niektórymi żywe tkanki, bardzo niewiele materiałów może nauczyć się lepiej radzić sobie z nieprzewidzianymi obciążeniami. Wyobraź sobie skrzydło samolotu, które nagle łapie podmuch wiatru i jest wypychane w nieoczekiwanym kierunku. Skrzydło nie może zmienić swojej konstrukcji na mocniejsze w tym kierunku.
Zaprojektowany przez nas prototypowy materiał kratowy może dostosowywać się do zmieniających się lub nieznanych warunków. Na przykład w skrzydle zmiany te mogą polegać na akumulacji uszkodzeń wewnętrznych, zmianach w sposobie mocowania skrzydła do statku lub wahaniach obciążeń zewnętrznych. Za każdym razem, gdy skrzydło wykonane z mechanicznej sieci neuronowej doświadczyło jednego z tych scenariuszy, mogło wzmocnić i zmiękczyć swoje połączenia, aby zachować pożądane atrybuty, takie jak siła kierunkowa. Z biegiem czasu, poprzez kolejne korekty dokonywane przez algorytm, skrzydło przyjmuje i utrzymuje nowe właściwości, dodając każde zachowanie do reszty jako rodzaj pamięci mięśniowej.
Ten rodzaj materiału może mieć daleko idące zastosowania dla trwałości i wydajności budowanych konstrukcji. Skrzydło wykonane z materiału z mechanicznej sieci neuronowej mogłoby być nie tylko mocniejsze, ale można by je również wytrenować, by zmieniało się w kształty, które maksymalizują zużycie paliwa w odpowiedzi na zmieniające się warunki wokół niego.
Czego jeszcze nie wiadomo
Do tej pory nasz zespół pracował tylko z kratami 2D. Ale korzystając z modelowania komputerowego, przewidujemy, że kraty 3D miałyby znacznie większą zdolność uczenia się i adaptacji. Ten wzrost wynika z faktu, że struktura 3D może mieć dziesiątki razy więcej połączeń lub sprężyn, które się ze sobą nie przecinają. Jednak mechanizmy, których użyliśmy w naszym pierwszym modelu, są zbyt złożone, aby można je było obsłużyć w dużej konstrukcji 3D.
Co dalej
Materiał, który stworzyliśmy z moimi kolegami, jest dowodem koncepcji i pokazuje potencjał mechanicznych sieci neuronowych. Jednak przeniesienie tego pomysłu do realnego świata będzie wymagało zastanowienia się, jak zmniejszyć poszczególne elementy i mieć precyzyjne właściwości zginania i naprężenia.
Mamy nadzieję, że nowe badania w produkcja materiałów w skali mikronowej, a także pracować nad nowe materiały o regulowanej sztywności, doprowadzi do postępów, które sprawią, że potężne, inteligentne mechaniczne sieci neuronowe z elementami w skali mikronowej i gęstymi połączeniami 3D staną się wszechobecną rzeczywistością w niedalekiej przyszłości.
Artykuł został opublikowany ponownie Konwersacje na licencji Creative Commons. Przeczytać oryginalny artykuł.
Kredytowych Image: Elastyczna Grupa Badawcza w UCLA
