Новий тип матеріалу може навчитися та покращити свою здатність справлятися з неочікуваними силами завдяки унікальній структурі грат із з’єднаннями змінної жорсткості, як описано в новій статті моїми колегами та мною.
Новий матеріал є типом архітектурного матеріалу, який отримує свої властивості в основному через геометрію та особливості дизайну, а не те, з чого він виготовлений. Візьмемо, наприклад, тканинні застібки на липучках. Неважливо, чи зроблено воно з бавовни, пластику чи будь-якої іншої речовини. Якщо одна сторона являє собою тканину з жорсткими гачками, а інша сторона має пухнасті петлі, матеріал матиме липкі властивості липучок.
Мої колеги та я заснували архітектуру нашого нового матеріалу на основі штучної нейронної мережі — шарів взаємопов’язаних вузлів, які можуть навчитися виконувати завдання шляхом зміни важливості або ваги, яку вони надають кожному з’єднанню. Ми припустили, що механічну решітку з фізичними вузлами можна навчити приймати певні механічні властивості, регулюючи жорсткість кожного з’єднання.
Щоб з’ясувати, чи здатна механічна решітка приймати та підтримувати нові властивості, наприклад набувати нової форми чи змінювати силу спрямованості, ми почали зі створення комп’ютерної моделі. Потім ми вибрали бажану форму для матеріалу, а також вхідні сили, а комп’ютерний алгоритм налаштував натяги з’єднань таким чином, щоб вхідні сили створювали бажану форму. Ми провели цей тренінг на 200 різних структурах грат і виявили, що трикутна решітка найкраще підходить для досягнення всіх форм, які ми тестували.
Після того, як багато зв’язків налаштовано для досягнення набору завдань, матеріал продовжуватиме реагувати бажаним чином. Навчання — у певному сенсі — запам’ятовується в структурі самого матеріалу.
Потім ми створили фізичний прототип решітки з регульованими електромеханічними пружинами, розташованими у вигляді трикутної решітки. Прототип складається з 6-дюймових з’єднань і має приблизно 2 фути в довжину і 1½ фута в ширину. І це спрацювало. Коли решітка й алгоритм працювали разом, матеріал міг навчатися й змінювати форму певним чином під впливом різних сил. Ми називаємо цей новий матеріал механічною нейронною мережею.
Чому це має значення
Окрім деяких живі тканини, дуже небагато матеріалів можуть навчитися краще справлятися з непередбаченими навантаженнями. Уявіть собі крило літака, яке раптово сприймає порив вітру та рухається в непередбаченому напрямку. Крило не може змінити свою конструкцію, щоб бути сильнішим у цьому напрямку.
Розроблений нами прототип решітки може адаптуватися до мінливих або невідомих умов. У крилі, наприклад, ці зміни можуть бути накопиченням внутрішніх пошкоджень, зміною способу кріплення крила до корабля або коливаннями зовнішніх навантажень. Кожного разу, коли крило, створене з механічної нейронної мережі, відчувало один із цих сценаріїв, воно могло зміцнювати та пом’якшувати свої зв’язки, щоб підтримувати бажані атрибути, такі як сила спрямованості. З часом, завдяки послідовним коригуванням, зробленим алгоритмом, крило приймає та підтримує нові властивості, додаючи кожну поведінку до решти як свого роду м’язову пам’ять.
Цей тип матеріалу може мати далекосяжні застосування для довговічності та ефективності побудованих конструкцій. Крило, виготовлене з матеріалу механічної нейронної мережі, може бути не тільки міцнішим, але й навчитися перетворюватися в форми, які максимізують паливну ефективність у відповідь на зміну умов навколо нього.
Що ще не відомо
Поки що наша команда працювала лише з 2D решітками. Але використовуючи комп’ютерне моделювання, ми прогнозуємо, що тривимірні решітки матимуть набагато більшу здатність до навчання та адаптації. Це збільшення пов’язане з тим, що тривимірна структура може мати в десятки разів більше з’єднань або пружин, які не перетинаються одна з одною. Однак механізми, які ми використовували в нашій першій моделі, надто складні, щоб підтримувати їх у великій 3D-структурі.
Що далі
Матеріал, який ми з колегами створили, є підтвердженням концепції та демонструє потенціал механічних нейронних мереж. Але щоб втілити цю ідею в реальний світ, знадобиться з’ясувати, як зробити окремі частини меншими та з точними властивостями згинання та натягу.
Сподіваємося на нові дослідження в виробництво матеріалів у мікронному масштабі, а також працювати над нові матеріали з регульованою жорсткістю, призведе до прогресу, який зробить потужні інтелектуальні механічні нейронні мережі з мікронними елементами та щільними 3D-зв’язками повсюдною реальністю в найближчому майбутньому.
Ця стаття перевидана з Бесіда за ліцензією Creative Commons. Читати оригінал статті.
Зображення Фото: Гнучка дослідницька група в UCLA
