Hirdetés
. Hirdetés

Már az MI neurális hálózataitól tanulnak a fizikai anyagok és nem fordítva

|

Egyfajta architekturált anyagról van szó, amely tulajdonságait elsősorban a geometriájából és a kialakításának sajátos vonásaiból nyeri, nem pedig abból, hogy miből készül.

Hirdetés

Egy új típusú anyag, az úgynevezett mechanikus neurális hálózat képes megváltoztatni fizikai tulajdonságait, hogy alkalmazkodó, erős szerkezeteket hozzon létre. Ez az anyag képes tanulni és javítani a váratlan erőkkel szembeni viselkedésén, köszönhetően a változó merevségű kapcsolatokkal felépült egyedi rácsszerkezetének.

Egyfajta architekturált anyagról van szó, amely tulajdonságait elsősorban a geometriájából és a kialakításának sajátos vonásaiból nyeri, nem pedig abból, hogy miből készül. A tépőzáraknál például nem számít, hogy pamutból, műanyagból vagy bármilyen más anyagból készülnek-e. Mindaddig, amíg az egyik oldalon merev kampókkal ellátott szövet, a másik oldalon pedig bolyhos hurkok vannak, az anyag megtartja a tépőzár ragadós tulajdonságait.

Ryan H. Lee, és kollégái UCLA egyetemen az új anyaguk felépítésének mintáját egy mesterséges neurális hálózatról vették. Ebben egymással összekapcsolt csomópontok rétegei képesek megtanulni feladatok végrehajtását azáltal, hogy változtatják, mekkora jelentőséget vagy súlyt adnak az egyes kapcsolatoknak. Feltételezték, egy fizikai csomópontokkal kialakított mechanikus rácsot úgy lehet betanítani, ha felvesz bizonyos mechanikai tulajdonságokat az egyes kapcsolatok merevségének beállításával.

Hirdetés

Annak kiderítésére, hogy egy mechanikus rács képes lenne-e új tulajdonságokat felvenni és fenntartani, ahhoz először egy számítógépes modellt építettek. Ezután kiválasztották az anyag kívánt alakját, valamint a bemeneti erőket, és egy számítógépes algoritmussal úgy hangoltuk a kapcsolatok feszességét, hogy a bemeneti erők a kívánt alakot eredményezzék. Ezt a tréninget 200 különböző rácsszerkezeten végezték el, és azt találtuk, hogy a háromszög alakú rács volt a legjobb az összes tesztelt alakzat eléréséhez. Az edzés pedig bizonyos értelemben magának az anyagnak a szerkezetében is megmarad.

Néhány élő szöveten kívül nagyon kevés anyag képes megtanulni, hogy jobban kezelje a nem várt terhelést. Képzeljük el egy repülőgép szárnyát, amelyet hirtelen széllökés ér, és váratlan irányba kényszerít. A szárny nem tudja megváltoztatni a kialakítását, hogy abban az irányban erősebb legyen.

A most tervezett rácsos anyag prototípusa képes alkalmazkodni a változó vagy ismeretlen körülményekhez. Az ilyen típusú anyagoknak messzemenő alkalmazásai lehetnek az épített szerkezetek hosszú élettartamát és hatékonyságát szem előtt tartva. Egy mechanikus neurális hálózat anyagából készült szárny nem csak erősebb lehetne, hanem arra is be lehetne tanítani, hogy a körülötte lévő változó körülményekre reagálva olyan formákat alakítson ki, amelyek maximalizálják az üzemanyag-hatékonyságot.

Lee és csapata reméli, hogy a mikroméretű anyagok gyártásával kapcsolatos új kutatások, valamint az új, állítható merevségű anyagokkal kapcsolatos munka olyan előrelépésekhez vezet, amelyek révén a mikroméretű elemekkel és sűrű 3D-s kapcsolatokkal épült, nagy teljesítményű, intelligens mechanikus neurális hálózatok a közeljövőben mindenütt jelenlévő valósággá válnak - olvasható a The Conversation magazinban.

Hardverek, szoftverek, tesztek, érdekességek és színes hírek az IT világából ide kattintva!

Hirdetés
0 mp. múlva automatikusan bezár Tovább az oldalra »

Úgy tűnik, AdBlockert használsz, amivel megakadályozod a reklámok megjelenítését. Amennyiben szeretnéd támogatni a munkánkat, kérjük add hozzá az oldalt a kivételek listájához, vagy támogass minket közvetlenül! További információért kattints!

Engedélyezi, hogy a https://computerworld.hu értesítéseket küldjön Önnek a kiemelt hírekről? Az értesítések bármikor kikapcsolhatók a böngésző beállításaiban.