この新しいタイプの材料は、剛性が変化するユニークな格子構造によって、予期せぬ力に対処する能力を学習し、向上させることができることが、私と同僚による新しい論文で説明された。
大きなアイデア
この新素材は一種のアーキテクトマテリアルであり、その特性は、素材というよりも、主に設計の幾何学的形状と特定の特徴から得られる。例えば、マジックテープのような面ファスナー。綿でもプラスチックでも、素材は何でもいい。片面が硬いホック、もう片面がふわふわのループの布であれば、その素材はマジックテープの粘着特性を持つことになる。
- 論文
- Science Robotics: Mechanical neural networks: Architected materials that learn behaviors
私たちは、この新材料の構造を、人工的なニューラルネットワークの構造になぞらえて考えた。物理的なノードを持つ機械的な格子は、各接続の剛性を調整することによって、特定の機械的特性を持つように学習させることができると仮定したのだ。
機械的な格子が、新しい形状に変化したり、方向性を変えたりといった新しい特性を獲得し、維持できるかどうかを調べるために、まずコンピューターモデルを作成することから始めた。次に、材料に望ましい形状と入力した力を選択し、入力した力が望ましい形状を生み出すように、コンピュータのアルゴリズムで接続部の張力を調整した。このトレーニングを200種類の格子構造で行ったところ、テストしたすべての形状を実現するには、三角形格子が最適であることがわかった。
一旦、ある課題を達成するために多くの接続が調整されると、材料は望ましい反応をし続けるようになった。ある意味、トレーニングは材料の構造そのものに記憶されているのだ。
そこで私たちは、調整可能な電気機械式スプリングを三角形の格子に配置した物理的なプロトタイプ格子を作製した。試作品は6インチ接続で、長さ2フィート、幅1フィート半ほどの大きさだ。そして、それは成功した。格子とアルゴリズムが一緒に働くと、この材料は学習し、さまざまな力を受けると特定の方法で形を変えることができたのだ。私たちはこの新素材を、機械的ニューラルネットワークと呼んでいる。
なぜそれが重要なのか
一部の生体組織を除いて、予期せぬ負荷にうまく対処できるようになる材料はほとんどない。例えば、飛行機の翼が突然突風を受け、予想外の方向に力を受けてしまったとしよう。翼は、その方向に強くなるように設計を変更することはできない。
私たちが試作した格子状の材料は、変化する状況や未知の状況に対応することができる。例えば翼の場合、その変化とは、内部のダメージの蓄積、翼の機体への取り付け方の変化、外部からの負荷の変動などが考えらる。機械的ニューラルネットワークで作られた翼は、これらのシナリオのいずれかを経験するたびに、方向性などの望ましい特性を維持するために、接続を強めたり柔らかくしたりすることができる。時間が経つにつれて、アルゴリズムによる連続的な調整によって、翼は新しい特性を採用し、維持し、一種の筋肉記憶として残りの動作にそれぞれの動作を追加していくのだ。
このような材料は、建築構造物の寿命や効率性など、広範囲に応用できる可能性がある。機械的なニューラルネットワーク材料で作られた翼は、より強くなるだけでなく、周囲の状況の変化に応じて、燃料効率を最大化する形状に変形するように訓練することができるかもしれないのだ。
まだ分かっていないこと
これまでのところ、私たちのチームは2次元の格子のみを対象として研究を進めてきた。しかし、コンピュータ・モデリングを用いると、3次元格子の方が学習・適応能力がはるかに高くなることが予想される。これは、3次元構造では、互いに交差しない接続（バネ）が何十倍にも増える可能性があるためだ。しかし、私たちが最初のモデルで用いたメカニズムは、大規模な3次元構造でサポートするにはあまりに複雑すぎるのだ。
次の展開
私と同僚が作成した材料は概念実証であり、機械的な神経ネットワークの可能性を示している。しかし、このアイデアを現実の世界に持ち込むには、個々のピースをより小さくし、曲げや引っ張りといった正確な特性を持たせる方法を考え出す必要がある。
ミクロン単位での材料製造や、剛性を調整できる新材料の研究が進み、近い将来、ミクロン単位の素子と高密度の3次元接続を持つ強力なスマート機械神経ネットワークがユビキタスな現実となることを期待している。
研究の要旨
一部の生体組織を除けば、予期せぬ環境負荷シナリオに長期間さらされた結果、望ましい挙動を示すように自律的に学習できる材料はほとんどない。さらに、変化する状況（例えば、内部損傷の増加、固定方法の変化、外部負荷の変動）の中で、以前に学習した動作を継続しながら、その時の状況に最適な新しい動作を獲得できる材料は、さらに少ない。ここでは、人工ニューラルネットワーク（ANN）が重みを調整するのと同様に、構成する梁の剛性を調整することで学習能力を実現する、機械的ニューラルネットワーク（MNN）と呼ばれる一群のアーキテクト材料について説明する。複数の力学的挙動を同時に学習できることを示すために格子の例を作製し、格子サイズ、パッキング構成、アルゴリズムの種類、挙動数、線形-非線形剛性調整可能性が提案するMNN学習に及ぼす影響を調べる研究を行った。このように、本研究は、挙動や特性を学習できる人工知能（AI）材料の基礎となるものである。
コメントを残す