En ny typ av material kan lära sig och förbättra sin förmåga att hantera oväntade krafter tack vare en unik gallerstruktur med anslutningar av variabel styvhet, som beskrivs i en ny tidning av mina kollegor och mig.
Det nya materialet är en typ av arkitektoniskt material, som får sina egenskaper huvudsakligen från geometrin och specifika egenskaper hos dess design snarare än vad det är gjort av. Ta tygförslutningar med kardborreband som kardborreband, till exempel. Det spelar ingen roll om den är gjord av bomull, plast eller något annat ämne. Så länge ena sidan är ett tyg med styva krokar och den andra sidan har fluffiga öglor kommer materialet att ha kardborrbandets klibbiga egenskaper.
Mina kollegor och jag baserade vårt nya material på arkitekturen för ett artificiellt neuralt nätverk – lager av sammankopplade noder som kan lära sig göra uppgifter genom att ändra hur stor vikt, eller vikt, de lägger på varje anslutning. Vi antog att ett mekaniskt gitter med fysiska noder kunde tränas för att ta på sig vissa mekaniska egenskaper genom att justera varje anslutnings styvhet.
För att ta reda på om ett mekaniskt gitter skulle kunna anta och bibehålla nya egenskaper – som att ta en ny form eller ändra riktningsstyrka – började vi med att bygga en datormodell. Vi valde sedan en önskad form för materialet samt ingångskrafter och lät en datoralgoritm justera anslutningarnas spänningar så att ingångskrafterna skulle ge önskad form. Vi gjorde den här utbildningen på 200 olika gallerstrukturer och fann att ett triangulärt galler var bäst på att uppnå alla de former vi testade.
När de många kopplingarna väl är inställda för att uppnå en uppsättning uppgifter, kommer materialet att fortsätta att reagera på önskat sätt. Träningen är – på sätt och vis – ihågkommen i själva materialets struktur.
Vi byggde sedan ett fysiskt prototypgaller med justerbara elektromekaniska fjädrar arrangerade i ett triangulärt galler. Prototypen är gjord av 6-tums anslutningar och är cirka 2 fot lång och 1½ fot bred. Och det fungerade. När gittret och algoritmen samarbetade kunde materialet lära sig och ändra form på särskilda sätt när det utsätts för olika krafter. Vi kallar detta nya material för ett mekaniskt neuralt nätverk.
Varför det gäller
Förutom några levande vävnader, mycket få material kan lära sig att bli bättre på att hantera oförutsedda belastningar. Föreställ dig en flygplansvinge som plötsligt fångar en vindpust och tvingas i en oväntad riktning. Vingen kan inte ändra sin design för att bli starkare åt det hållet.
Prototypgittermaterialet vi designat kan anpassas till förändrade eller okända förhållanden. I en vinge, till exempel, kan dessa förändringar vara ansamling av inre skador, förändringar i hur vingen är fäst vid en farkost eller fluktuerande yttre belastningar. Varje gång en vinge gjord av ett mekaniskt neuralt nätverk upplevde ett av dessa scenarier, kunde den stärka och mjuka upp sina anslutningar för att bibehålla önskade egenskaper som riktningsstyrka. Med tiden, genom successiva justeringar gjorda av algoritmen, antar och bibehåller vingen nya egenskaper, och lägger till varje beteende till resten som ett slags muskelminne.
Denna typ av material kan ha långtgående tillämpningar för byggda strukturers livslängd och effektivitet. Inte bara kan en vinge gjord av ett mekaniskt neuralt nätverksmaterial vara starkare, den kan också tränas för att omvandlas till former som maximerar bränsleeffektiviteten som svar på förändrade förhållanden runt den.
Vad som fortfarande inte är känt
Hittills har vårt team endast arbetat med 2D-galler. Men med hjälp av datormodellering förutspår vi att 3D-gitter skulle ha en mycket större kapacitet för inlärning och anpassning. Denna ökning beror på det faktum att en 3D-struktur kan ha tiotals gånger fler anslutningar, eller fjädrar, som inte korsar varandra. De mekanismer vi använde i vår första modell är dock alldeles för komplexa för att stödjas i en stor 3D-struktur.
Vad kommer härnäst
Materialet som mina kollegor och jag skapade är ett proof of concept och visar potentialen hos mekaniska neurala nätverk. Men för att föra in denna idé i den verkliga världen kommer det att krävas att man tar reda på hur man gör de enskilda bitarna mindre och med exakta egenskaper för flex och spänning.
Vi hoppas ny forskning inom tillverkning av material i mikronskala, samt arbeta på nya material med justerbar styvhet, kommer att leda till framsteg som gör kraftfulla smarta mekaniska neurala nätverk med element i mikronskala och täta 3D-anslutningar till en allestädes närvarande verklighet inom en snar framtid.
Denna artikel publiceras från Avlyssningen under en Creative Commons licens. Läs ursprungliga artikeln.
Image Credit: Flexibel forskargrupp vid UCLA
