机械神经网络(MNN)照片。目前，该系统大约有一个微波炉大小，但研究人员计划简化MNN的设计，以便在3D网格的微观尺度上制造数千个网络，用于实际的材料应用。图片来源:加州大学洛杉矶分校柔性研究小组
加州大学洛杉矶分校的工程师开发了一种新型材料。
加州大学洛杉矶分校(University of California, Los Angeles)的机械工程师们发明了一种新型材料，这种材料可以随着时间的推移学习行为，并发展出自己的“肌肉记忆”，允许对不断变化的外力进行实时适应，就像钢琴家不用看琴键就能学会演奏乐器，或者篮球运动员投入无数小时看似毫不费力地投出一个跳投一样。
这种材料是由可调梁构成的结构系统，可以根据动态环境改变其形状和行为。这项研究的发现对建筑物的建造、飞机的发展和成像技术等都有影响，最近发表在《科学机器人》杂志上。
“这项研究介绍并展示了一种人工智能材料，它可以学习显示所需的行为和性能，随着环境条件的增加，”领导这项研究的加州大学洛杉矶分校萨穆利工程学院的机械和航空航天工程教授乔纳森·霍普金斯说。“机器学习中使用的基本原理也被用于赋予这种材料智能和适应性的特性。”
机械神经网络学习调整其刚度以响应外力的短视频。图片来源:加州大学洛杉矶分校柔性研究小组
例如，当这种材料被用于飞机机翼时，它可能会在飞行过程中根据风的模式改变机翼的形状，以提高飞机的效率和机动性。这种材料还可以自我调节建筑结构某些区域的刚度，以增加在地震或其他自然或人为灾害时的整体稳定性。
研究人员通过使用和修改现有的人工神经网络(ANN)的概念，在一个互联系统中创建了人工神经网络(ANN)组件的机械等等物，这些概念是驱动机器学习的算法。该团队的发明是机械神经网络(MNN)，它由排列在三角形晶格模式中的独立可调光束组成。每根光束都配有音圈、应变计和弯曲装置，使其可以改变长度，实时适应周围环境的变化，并与系统中的其他光束相互作用。
机械神经网络的不同观点。图片来源:加州大学洛杉矶分校柔性研究小组
音圈得名于它最初在扬声器中用于将磁场转换为机械运动的功能，它会根据施加在波束上的新力启动微调压缩或膨胀。应变计负责收集算法中用于控制学习行为的梁的运动数据。挠曲基本上充当可移动梁之间的柔性接头，以连接系统。
然后，优化算法通过从每个应变计获取数据，并确定刚度值的组合来控制网络应如何适应施加的力，从而调节整个系统。
为了检验应变计监测系统的有效性，研究小组还在系统的输出节点上训练了摄像机。
该系统的早期原型显示，在施加的力的输入和MNN响应的输出之间存在滞后，这影响了系统的整体性能。该团队测试了应变计和梁中的弯曲，以及不同的格子图案和厚度的多次迭代，然后实现了他们发表的设计，设法克服了滞后，并在所有方向上准确分配了施加的力。
“找出[网络]失败学习的原因对理解如何设计成功学习的mnn很重要，”研究人员分享了他们在过去五年里是如何通过试验和错误解决这个问题的。
目前，该系统大约有一个微波炉大小，但研究人员计划简化MNN的设计，以便在3D网格的微观尺度上制造数千个网络，用于实际的材料应用。除了在车辆和建筑材料中使用这种材料外，研究人员建议mnn也可以被纳入装甲以偏转冲击波，或在声学成像技术中利用声波。
参考:“机械神经网络:学习行为的建筑材料”，作者Ryan H. Lee, Erwin A. B. Mulder和Jonathan B. Hopkins, 2022年10月19日，科学机器人。DOI: 10.1126 / scirobotics.abq7278
该研究由空军科学研究办公室资助。
这篇论文的第一作者Ryan Lee是一名机械和航空航天工程博士生，也是加州大学洛杉矶分校霍普金斯大学柔性研究小组的成员。荷兰恩斯赫德特温特大学的Erwin Mulder也参与了这项研究，得到了空军科学研究办公室的资助。
