AI材料可自我学习并形成“肌肉记忆”

就像钢琴家不看琴键也能熟练演奏一样，加州大学洛杉矶分校的机械工程师设计了一种新材料，可以随着时间的推移学习行为，并开发自己的“肌肉记忆”，允许实时适应不断变化的外力。该材料由带有可调节梁的结构系统组成，可根据动态条件改变其形状和行为。这项发表在19日《科学机器人》上的研究将。

领导这项研究的加州大学洛杉矶分校工程学院机械和航空航天工程教授乔纳森·霍普金斯(Jonathan Hopkins)表示，这种人工智能材料可以学习暴露在环境条件下时应该表现出的行为和特征。比如在飞机的机翼中放置一种材料，它可以在飞行过程中学习风的模式，改变自己机翼的形状，提高飞机的效率和机动性；注入这种材料的建筑结构，在地震或其他天灾人祸时，还可以自我调节部分区域的刚度，提高其整体稳定性。

科学家们使用并调整了现有的人工神经网络概念。人工神经网络是驱动机器学习的算法。研究人员已经开发了互连系统中人工神经网络组件的机械等价物。这种机械神经网络由以三角形点阵模式定向的单独可调的梁组成。每个梁都有音圈、应变仪和弯曲部分，这使得梁能够改变其长度，实时适应变化的环境，并与系统中的其他梁相互作用。

然后，优化算法通过从每个应变仪获取数据并确定刚度值的组合来控制整个系统。为了检查应变仪监测系统的有效性，研究小组还使用了在系统输出节点上训练的摄像机。

系统早期原型滞后于作用力的输入和机械神经网络响应的输出，影响了系统的整体性能。该团队测试了梁中应变仪和弯曲的几次迭代，以及不同的晶格模式和厚度。最终的设计方案克服了滞后，准确地将施加的力分布在各个方向。

目前，该系统约为微波炉大小，但研究人员计划简化机械神经网络的设计，以便在微观尺度上制造成千上万个3D网格网络，用于实际的材料应用。

主编圈

为什么一个材料会自己学习？这有赖于人工神经网络，赋予这种新材料智能和自适应的特性。事实上，在最近几年，同样的基本原理已经被用于火热的机器学习中。未来，这种新材料除了用在车辆和建筑材料上，还可以用在战场上，比如集成到装甲中，从而偏转冲击波；或者用于医疗领域，声学成像技术将会得到很大的发展。