得益于具有可变刚度连接的独特晶格结构，一种新型材料可以学习并提高其处理意外力的能力，如 在一篇新论文中描述 由我和我的同事们。
这种新材料是一种建筑材料，其特性主要来自于其设计的几何形状和特定特征，而不是其制造材料。以魔术贴等钩环织物闭合件为例。它是由棉、塑料还是任何其他物质制成的并不重要。只要一侧是带有硬钩的织物，另一侧是蓬松的环，该材料就会具有魔术贴的粘性特性。
我和我的同事将我们的新材料的架构建立在人工神经网络的基础上——互连节点层可以 学习做任务 通过改变他们对每个连接的重视程度或权重。我们假设可以通过调整每个连接的刚度来训练具有物理节点的机械晶格，使其具有某些机械特性。
为了查明机械晶格是否能够采用并保持新的特性（例如呈现新的形状或改变方向强度），我们首先构建了一个计算机模型。然后，我们为材料选择所需的形状以及输入力，并使用计算机算法调整连接的张力，以便输入力产生所需的形状。我们对 200 种不同的晶格结构进行了训练，发现三角形晶格最适合实现我们测试的所有形状。
一旦调整了许多连接以实现一组任务，材料将继续以所需的方式做出反应。从某种意义上说，培训是通过材料本身的结构来记忆的。
然后，我们构建了一个物理原型晶格，其中可调节机电弹簧排列在三角形晶格中。该原型由 6 英寸连接制成，长约 2 英尺，宽约 1 英尺。它起作用了。当晶格和算法一起工作时，材料能够在受到不同的力时以特定的方式学习和改变形状。我们将这种新材料称为机械神经网络。
为什么重要
除了一些 活组织，很少有材料能够学会更好地处理意外负载。想象一下，飞机的机翼突然受到一阵风的袭击，并被推向一个意想不到的方向。机翼无法改变其设计以使其在该方向上变得更强。
我们设计的原型晶格材料可以适应不断变化或未知的条件。例如，在机翼中，这些变化可能是内部损坏的累积、机翼与飞行器连接方式的变化或外部负载的波动。每当由机械神经网络制成的机翼经历其中一种情况时，它就可以加强和软化其连接，以保持所需的属性，例如方向强度。随着时间的推移，通过算法的连续调整，机翼会采用并保持新的属性，将每种行为添加到其余行为中，作为一种肌肉记忆。
这种材料对于延长建筑结构的寿命和效率具有深远的应用。由机械神经网络材料制成的机翼不仅可以变得更坚固，还可以经过训练变形为能够最大限度地提高燃油效率的形状，以响应周围不断变化的条件。
尚不知道什么
到目前为止，我们的团队只研究过二维晶格。但通过计算机建模，我们预测 2D 晶格将具有更大的学习和适应能力。这一增加是由于 3D 结构可能具有数十倍于彼此不相交的连接或弹簧。然而，我们在第一个模型中使用的机制过于复杂，无法支持大型 3D 结构。
下一步是什么
我和我的同事创建的材料是概念证明，展示了机械神经网络的潜力。但要将这个想法带入现实世界，需要弄清楚如何使各个部件变得更小，并具有精确的弯曲和张力特性。
我们希望新的研究 微米级材料的制造，以及致力于 刚度可调的新材料，将带来进步，使具有微米级元件和密集 3D 连接的强大智能机械神经网络在不久的将来成为无处不在的现实。
图片来源： 加州大学洛杉矶分校灵活的研究小组
