Un nuovo tipo di materiale può apprendere e migliorare la sua capacità di affrontare forze impreviste grazie a una struttura reticolare unica con connessioni di rigidità variabile, come descritto in un nuovo articolo su Science Robotics.
Il nuovo materiale è un tipo di materiale architettonico, che trae le sue proprietà principalmente dalla geometria e dai tratti specifici del suo design piuttosto che da ciò di cui è composto. Prendi ad esempio chiusure in tessuto a strappo come il velcro. Non importa se è fatto di cotone, plastica o qualsiasi altra sostanza. Finché un lato è un tessuto con ganci rigidi e l’altro lato ha anelli morbidi, il materiale avrà le proprietà appiccicose del velcro.
In questo studio hanno basato l’architettura del nuovo materiale su quella di una rete neurale artificiale: strati di nodi interconnessi che possono imparare a svolgere compiti modificando l’importanza o il peso che attribuiscono a ciascuna connessione. Hanno ipotizzato che un reticolo meccanico con nodi fisici potesse essere addestrato ad assumere determinate proprietà meccaniche regolando la rigidità di ciascuna connessione.
Per scoprire se un reticolo meccanico fosse in grado di adottare e mantenere nuove proprietà, come assumere una nuova forma o cambiare la forza direzionale, hanno iniziato costruendo un modello al computer. Hanno quindi selezionato la forma desiderata per il materiale e le forze di input e un algoritmo informatico ha messo a punto le tensioni delle connessioni in modo che le forze di input producessero la forma desiderata. Abbiamo svolto questa formazione su 200 diverse strutture reticolari e hanno scoperto che un reticolo triangolare era il migliore per ottenere tutte le forme che hanno testato.
Una volta che le numerose connessioni sono sintonizzate per ottenere una serie di compiti, il materiale continuerà a reagire nel modo desiderato. La formazione è – in un certo senso – ricordata nella struttura del materiale stesso.
Hanno quindi costruito un prototipo fisico di reticolo con molle elettromeccaniche regolabili disposte a reticolo triangolare. Il prototipo è costituito da connessioni da 6 pollici ed è lungo circa 2 piedi e largo 1½ piedi. E ha funzionato. Quando il reticolo e l’algoritmo hanno lavorato insieme, il materiale è stato in grado di apprendere e cambiare forma in modi particolari se sottoposto a forze diverse. Chiamiamo questo nuovo materiale una rete neurale meccanica.
Perchè importa
Oltre ad alcuni tessuti viventi, pochissimi materiali possono imparare a gestire meglio carichi imprevisti. Immagina un’ala di aereo che improvvisamente cattura una raffica di vento e viene forzata in una direzione imprevista. L’ala non può cambiare il suo design per essere più forte in quella direzione.
Il materiale del prototipo del reticolo che hanno progettato può adattarsi a condizioni mutevoli o sconosciute. In un’ala, ad esempio, questi cambiamenti potrebbero essere l’accumulo di danni interni, cambiamenti nel modo in cui l’ala è attaccata a un’imbarcazione o carichi esterni fluttuanti. Ogni volta che un’ala composta da una rete neurale meccanica sperimentava uno di questi scenari, poteva rafforzare e ammorbidire le sue connessioni per mantenere gli attributi desiderati come la forza direzionale. Nel tempo, attraverso successivi aggiustamenti effettuati dall’algoritmo, l’ala adotta e mantiene nuove proprietà, aggiungendo ogni comportamento al resto come una sorta di memoria muscolare.
Questo tipo di materiale potrebbe avere applicazioni di vasta portata per la longevità e l’efficienza delle strutture costruite. Non solo un’ala fatta di un materiale di rete neurale meccanica potrebbe essere più forte, ma potrebbe anche essere addestrata a trasformarsi in forme che massimizzano l’efficienza del carburante in risposta alle mutevoli condizioni intorno ad essa.
Cosa ancora non si sa
Finora, il team ha lavorato solo con reticoli 2D. Ma usando la modellazione al computer, prevedono che i reticoli 3D avrebbero una capacità molto maggiore di apprendimento e adattamento. Questo aumento è dovuto al fatto che una struttura 3D potrebbe avere decine di volte più connessioni, o molle, che non si intersecano tra loro. Tuttavia, i meccanismi che hanno utilizzato nel primo modello sono troppo complessi per essere supportati in una grande struttura 3D.
Qual è il prossimo
Il materiale che hanno creato è un proof of concept e mostra il potenziale delle reti neurali meccaniche. Ma per portare questa idea nel mondo reale sarà necessario capire come rendere i singoli pezzi più piccoli e con precise proprietà di flessione e tensione.
Ci auguriamo che la nuova ricerca nella produzione di materiali su scala micron, così come il lavoro su nuovi materiali con rigidità regolabile, portino a progressi che rendano potenti reti neurali meccaniche intelligenti con elementi su scala micrometrica e dense connessioni 3D una realtà onnipresente nel prossimo futuro.
