Materialul cu Inteligență Artificială care învață comportamente și se adaptează la noi condiții

Adaugă-ne ca sursă preferată

Urmărește-ne in Discover

La fel ca un pianist care învață să cânte la instrument fără să se uite la clape sau un jucător de baschet care exersează nenumărate ore pentru a înscrie aparent fără efort, inginerii mecanici de la UCLA, din SUA, au conceput materialul cu Inteligență Artificială care, de-a lungul timpului, poate învăța comportamente și poate dezvolta o „memorie musculară” proprie, permițând adaptarea în timp real la forțele externe în schimbare.

Materialul cu Inteligență Artificială este compus dintr-un sistem structural format din tije reglabile care își pot modifica forma și comportamentul ca răspuns la condițiile dinamice.

Rezultatele, care au aplicații în construcția de clădiri, avioane și tehnologii de imagistică, printre altele, au fost publicate în Science Robotics.

Materialul cu Inteligență Artificială care se adaptează la condițiile existente

„Această cercetare introduce și demonstrează un material cu Inteligență Artificială care poate învăța să prezinte comportamentele și proprietățile dorite la expunerea crescută la condițiile ambientale”, a spus profesorul de inginerie mecanică și aerospațială Jonathan Hopkins, de la UCLA Samueli School of Engineering, care a condus cercetarea.

„Aceleași principii de bază care sunt folosite în învățarea automată sunt folosite pentru a-i conferi acestui material proprietățile inteligente și adaptative”, a completat profesorul.

De exemplu, atunci când materialul este folosit în aripile unei aeronave, ar putea învăța să transforme forma aripilor pe baza tiparelor vântului în timpul unui zbor pentru a obține o eficiență și o manevrabilitate mai mari ale avionului.

Structurile de construcție infuzate cu acest material ar putea, de asemenea, auto-ajusta rigiditatea în anumite zone pentru a îmbunătăți stabilitatea generală în timpul unui cutremur sau a altor dezastre naturale sau provocate de om, scrie Tech Xplore.

Cum a fost realizat sistemul?

Utilizând și adaptând concepte din rețelele neuronale artificiale existente (ANN), care sunt algoritmii care conduc învățarea automată, cercetătorii au dezvoltat echivalentele mecanice ale componentelor ANN într-un sistem interconectat.

Rețeaua neuronală mecanică (MNN), așa cum a numit-o echipa, constă din tije reglabile individual, orientate într-un model de rețea triunghiulară. Fiecare tijă are o bobină vocală, extensometre și îmbinări care îi permit să își schimbe lungimea, să se adapteze în timp real la mediul în schimbare și să interacționeze cu alte tije din sistem.

Bobina vocală, care își ia numele de la utilizarea sa inițială în difuzoare pentru a converti câmpurile magnetice în mișcare mecanică, inițiază compresia sau extinderea precisă ca răspuns la noile forțe plasate pe tijă.

Extensometrul este responsabil pentru colectarea datelor din mișcarea tijei utilizată în algoritm pentru a controla comportamentul de învățare. Îmbinările interconectează diferite componente ale sistemului.

Un algoritm de optimizare reglează apoi întregul sistem prin preluarea datelor de la fiecare dintre extensometre și determinând o combinație de valori de rigiditate pentru a controla modul în care rețeaua ar trebui să se adapteze la forțele aplicate.

Pentru a verifica validitatea sistemului monitorizat prin extensometru, echipa de cercetare a folosit și camere antrenate pe nodurile de ieșire ale sistemului.

Inițial, materialul cu Inteligență Artificială nu a funcționat conform așteptărilor

Primele prototipuri ale sistemului au prezentat un decalaj între intrarea forței aplicate și rezultatul răspunsului MNN, ceea ce a afectat performanța generală a sistemului. Echipa a testat mai multe iterații ale extensometrelor și îmbinărilor din tije, precum și diferite modele și grosimi înainte de a realiza proiectul publicat, care a reușit să elimine decalajul și să distribuie cu precizie forța aplicată în toate direcțiile.

„Identificarea motivelor pentru care rețelele nu au reușit să învețe este importantă pentru înțelegerea modului de proiectare a MNN-urilor care învață cu succes”, au scris cercetătorii despre cum au rezolvat problema prin încercare și eroare în ultimii cinci ani.

Sistemul urmează să fie miniaturizat

În prezent, sistemul are aproximativ dimensiunea unui cuptor cu microunde, dar cercetătorii intenționează să simplifice designul MNN, astfel încât mii de rețele să poată fi fabricate la scară micro în rețele 3D pentru aplicații materiale practice.

Pe lângă utilizarea materialului în vehicule și materiale de construcții, cercetătorii sugerează că MNN-urile ar putea fi, de asemenea, încorporate într-o armură pentru a devia undele de șoc sau în tehnologiile de imagistică acustică pentru a valorifica undele sonore.

Vă recomandăm să citiți și:

Magneți permanenți în miniatură pot fi realizați cu o imprimantă 3D

Cartofii putrezi ar putea deveni antibiotice. Cum este posibil?

Propulsoare cu magneți supraconductori vor fi testate pe Stația Spațială Internațională

Celule cerebrale crescute în laborator au învățat să joace un joc video din anii ’70