科技日報北京10月20日電 (記者張夢然)就像一個(ge) 不用看琴鍵就能熟練彈奏的鋼琴家，美國加州大學洛杉磯分校的機械工程師設計出了一種新的材料，可隨著時間的推移學習(xi) 行為(wei) 並發展出它自己的“肌肉記憶”，允許實時適應不斷變化的外力。該材料由一個(ge) 具有可調梁的結構係統組成，能根據動態條件改變其形狀和行為(wei) 。19日發表在《科學·機器人》上的這項研究，將。

　　領導該研究的加州大學洛杉磯分校工程學院機械和航空航天工程教授喬(qiao) 納森·霍普金斯說，這種人工智能材料可對暴露於(yu) 環境條件時應表現出的行為(wei) 和特性進行學習(xi) 。例如，當材料被放置在飛機機翼中時，它可以學習(xi) 飛行過程中風的模式，改變自身機翼的形狀，以提高飛機的效率和機動性；而被注入這種材料的建築結構還可自我調整某些區域的剛度，以提高其在地震或其他自然或人為(wei) 災害期間的整體(ti) 穩定性。

　　科學家們(men) 利用和調整了現有人工神經網絡的概念。人工神經網絡正是驅動機器學習(xi) 的算法，研究人員在互連係統中開發了人工神經網絡組件的機械等效物。這一機械神經網絡由以三角形格子圖案定向的單獨可調光束組成。每根梁都具有音圈、應變片和撓曲件，使梁能夠改變其長度，實時適應不斷變化的環境，並與(yu) 係統中的其他梁相互作用。

　　然後，優(you) 化算法通過從(cong) 每個(ge) 應變儀(yi) 獲取數據並確定剛度值的組合來控製整個(ge) 係統。為(wei) 了檢查應變儀(yi) 監控係統的有效性，研究團隊還使用了在係統輸出節點上訓練的相機。

　　該係統的早期原型在施加力的輸入和機械神經網絡響應的輸出之間表現滯後，影響了係統的整體(ti) 性能。該團隊測試了梁中應變儀(yi) 和彎曲的多次迭代以及不同的晶格圖案和厚度，最終設計方案克服了滯後並在各個(ge) 方向準確地分配了施加的力。

　　目前該係統大約有微波爐那麽(me) 大，但研究人員計劃簡化機械神經網絡設計，以便在3D晶格內(nei) 以微尺度製造數千個(ge) 網絡，以用於(yu) 實際材料應用。

　　總編輯圈點

　　一種材料為(wei) 什麽(me) 會(hui) 自我學習(xi) ？這就要靠人工神經網絡，其賦予了這種新材料智能和自適應的特性。其實在近年大熱的機器學習(xi) 中，利用到的也正是相同基本原理。未來，除了在車輛和建築材料中使用這種新材料外，還可以將其用於(yu) 戰場，如整合到裝甲中，從(cong) 而實現對衝(chong) 擊波的偏轉；或用於(yu) 醫療領域，聲學成像技術亦將因此得到長足發展。(來源：科技日報)