Um novo tipo de material pode aprender e melhorar a sua capacidade de lidar com forças inesperadas graças a uma estrutura treliçada única com conexões de rigidez variável, como descrito em um novo artigo por meus colegas e por mim.
O novo material é um tipo de material arquitetado, que obtém suas propriedades principalmente da geometria e das características específicas de seu design, e não do que o compõe. Pegue fechos de tecido com velcro, como velcro, por exemplo. Não importa se é feito de algodão, plástico ou qualquer outra substância. Contanto que um lado seja um tecido com ganchos rígidos e o outro lado tenha laços fofos, o material terá as propriedades pegajosas do velcro.
Meus colegas e eu baseamos a arquitetura do nosso novo material na de uma rede neural artificial – camadas de nós interconectados que podem aprenda a fazer tarefas alterando a importância ou peso que eles atribuem a cada conexão. Nossa hipótese é que uma rede mecânica com nós físicos poderia ser treinada para assumir certas propriedades mecânicas ajustando a rigidez de cada conexão.
Para descobrir se uma rede mecânica seria capaz de adotar e manter novas propriedades – como assumir uma nova forma ou alterar a força direcional – começamos construindo um modelo computacional. Em seguida, selecionamos a forma desejada para o material, bem como as forças de entrada e fizemos com que um algoritmo de computador ajustasse as tensões das conexões para que as forças de entrada produzissem a forma desejada. Fizemos esse treinamento em 200 estruturas de rede diferentes e descobrimos que uma rede triangular era melhor para atingir todas as formas que testamos.
Uma vez que as muitas conexões estejam ajustadas para realizar um conjunto de tarefas, o material continuará a reagir da maneira desejada. O treinamento é – em certo sentido – lembrado na estrutura do próprio material.
Construímos então um protótipo físico de treliça com molas eletromecânicas ajustáveis dispostas em uma treliça triangular. O protótipo é feito de conexões de 6 polegadas e tem cerca de 2 centímetros de comprimento por 1 centímetros de largura. E funcionou. Quando a rede e o algoritmo trabalharam juntos, o material foi capaz de aprender e mudar de forma de maneiras específicas quando sujeito a diferentes forças. Chamamos esse novo material de rede neural mecânica.
Por que isso importa
Além de alguns tecidos vivos, muito poucos materiais conseguem aprender a lidar melhor com cargas imprevistas. Imagine uma asa de avião que de repente é atingida por uma rajada de vento e é forçada em uma direção imprevista. A asa não pode mudar seu design para ser mais forte nessa direção.
O protótipo de material de treliça que projetamos pode se adaptar a condições variáveis ou desconhecidas. Numa asa, por exemplo, estas alterações podem ser a acumulação de danos internos, alterações na forma como a asa é fixada a uma nave ou cargas externas flutuantes. Cada vez que uma asa feita de uma rede neural mecânica experimentava um desses cenários, ela poderia fortalecer e suavizar suas conexões para manter atributos desejados, como força direcional. Com o tempo, por meio de sucessivos ajustes feitos pelo algoritmo, a asa adota e mantém novas propriedades, agregando cada comportamento aos demais como uma espécie de memória muscular.
Este tipo de material pode ter aplicações de longo alcance para a longevidade e eficiência de estruturas construídas. Uma asa feita de um material de rede neural mecânica não só poderia ser mais forte, como também poderia ser treinada para se transformar em formas que maximizassem a eficiência do combustível em resposta às mudanças nas condições ao seu redor.
O que ainda não se sabe
Até agora, nossa equipe trabalhou apenas com redes 2D. Mas, usando modelagem computacional, prevemos que as redes 3D teriam uma capacidade muito maior de aprendizagem e adaptação. Este aumento deve-se ao facto de uma estrutura 3D poder ter dezenas de vezes mais ligações, ou molas, que não se cruzam entre si. No entanto, os mecanismos que usamos em nosso primeiro modelo são complexos demais para serem suportados em uma grande estrutura 3D.
Qual é o próximo
O material que meus colegas e eu criamos é uma prova de conceito e mostra o potencial das redes neurais mecânicas. Mas para trazer esta ideia para o mundo real será necessário descobrir como tornar as peças individuais mais pequenas e com propriedades precisas de flexibilidade e tensão.
Esperamos que novas pesquisas no fabricação de materiais em escala micrométrica, bem como trabalhar novos materiais com rigidez ajustável, levará a avanços que tornarão poderosas redes neurais mecânicas inteligentes com elementos em escala micrométrica e conexões 3D densas uma realidade onipresente no futuro próximo.
Este artigo foi republicado a partir de A Conversação sob uma licença Creative Commons. Leia o artigo original.
Crédito de imagem: Grupo de Pesquisa Flexível na UCLA
