(資料圖)

領(lǐng)導(dǎo)該研究的加州大學洛杉磯分校工程學院機械和航空航天工程教授喬納森·霍普金斯說，這種人工智能材料可對暴露于環(huán)境條件時應(yīng)表現(xiàn)出的行為和特性進行學習。例如，當材料被放置在飛機機翼中時，它可以學習飛行過程中風的模式，改變自身機翼的形狀，以提高飛機的效率和機動性；而被注入這種材料的建筑結(jié)構(gòu)還可自我調(diào)整某些區(qū)域的剛度，以提高其在地震或其他自然或人為災(zāi)害期間的整體穩(wěn)定性。

科學家們利用和調(diào)整了現(xiàn)有人工神經(jīng)網(wǎng)絡(luò)的概念。人工神經(jīng)網(wǎng)絡(luò)正是驅(qū)動機器學習的算法，研究人員在互連系統(tǒng)中開發(fā)了人工神經(jīng)網(wǎng)絡(luò)組件的機械等效物。這一機械神經(jīng)網(wǎng)絡(luò)由以三角形格子圖案定向的單獨可調(diào)光束組成。每根梁都具有音圈、應(yīng)變片和撓曲件，使梁能夠改變其長度，實時適應(yīng)不斷變化的環(huán)境，并與系統(tǒng)中的其他梁相互作用。

然后，優(yōu)化算法通過從每個應(yīng)變儀獲取數(shù)據(jù)并確定剛度值的組合來控制整個系統(tǒng)。為了檢查應(yīng)變儀監(jiān)控系統(tǒng)的有效性，研究團隊還使用了在系統(tǒng)輸出節(jié)點上訓練的相機。

該系統(tǒng)的早期原型在施加力的輸入和機械神經(jīng)網(wǎng)絡(luò)響應(yīng)的輸出之間表現(xiàn)滯后，影響了系統(tǒng)的整體性能。該團隊測試了梁中應(yīng)變儀和彎曲的多次迭代以及不同的晶格圖案和厚度，最終設(shè)計方案克服了滯后并在各個方向準確地分配了施加的力。

目前該系統(tǒng)大約有微波爐那么大，但研究人員計劃簡化機械神經(jīng)網(wǎng)絡(luò)設(shè)計，以便在3D晶格內(nèi)以微尺度制造數(shù)千個網(wǎng)絡(luò)，以用于實際材料應(yīng)用。