Ingenieros diseñan materiales dinámicos utilizando inteligencia artificial
Los materiales diseñados, conocidos como redes neuronales mecánicas, son capaces de responder a las condiciones ajustando la rigidez de sus vigas.
Los ingenieros de UCLA han diseñado un material que puede adaptarse a las condiciones cambiantes.
El material consta de haces sintonizables que pueden ajustar dinámicamente su comportamiento para adaptarse a los cambios en su entorno, incluidos «niveles crecientes de daño interno, escenarios de fijación variables y cargas externas fluctuantes», según un artículo publicado en Science Robotics.
El estudio experimental sienta las bases para los materiales de IA que se pueden aplicar en la construcción de edificios, aviones y tecnologías de imagen, señalaron los autores.
“Esta investigación presenta y demuestra un material inteligente artificial que puede aprender a exhibir los comportamientos y propiedades deseados al aumentar la exposición a las condiciones ambientales”, dijo el profesor de ingeniería mecánica y aeroespacial Jonathan Hopkins de la Escuela de Ingeniería UCLA Samueli, quien dirigió la investigación. “Los mismos principios fundamentales que se utilizan en el aprendizaje automático se utilizan para dar a este material sus propiedades inteligentes y adaptativas”.
Características
El material se puede comparar con la forma en que las redes neuronales artificiales (los algoritmos que impulsan el aprendizaje automático) ajustan sus pesos. Las «redes neuronales mecánicas» (MNN) del material son capaces de aprender a ajustar la rigidez de sus haces constituyentes, explicaron los autores.
Los haces individuales de los MNN están organizados en un patrón de celosía triangular. Cada haz cuenta con una bobina de voz, medidores de tensión y flexiones. Estas características “permiten que el haz cambie su longitud, se adapte a su entorno cambiante en tiempo real e interactúe con otros haces en el sistema”, señalaron los investigadores.
En un ejemplo, los investigadores describen cómo se podría usar el material en las alas de los aviones. El material podría aprender a transformar la forma de las alas para adaptarse a los patrones del viento durante un vuelo como una forma de mejorar la eficiencia y la maniobrabilidad. Señalaron que también es concebible que el material pueda ayudar a mejorar la rigidez y la estabilidad general en aplicaciones de infraestructura, donde los terremotos o los desastres naturales y provocados por el hombre representan un riesgo.
La bobina de voz se utiliza para iniciar una compresión o expansión afinada en respuesta a las fuerzas aplicadas en el haz. El medidor de tensión recopila datos del movimiento del haz utilizado en el algoritmo para controlar el comportamiento de aprendizaje. Las flexiones conectan las vigas móviles al sistema.
El sistema está además respaldado por un algoritmo de optimización que regula el sistema. Aprovecha los datos de las galgas extensométricas para determinar una configuración de valores de rigidez que controlará la red, explicaron los autores. Se colocaron cámaras en los nodos de salida del sistema para validar las acciones realizadas por el sistema monitoreado por galgas extensométricas.
El sistema tiene aproximadamente el tamaño de un horno de microondas, pero los investigadores planean simplificar el diseño de MNN para que miles de redes puedan fabricarse a microescala dentro de redes 3D para aplicaciones prácticas de materiales.
Otras aplicaciones sugeridas para el uso de MNN incluyen la incorporación en una armadura para desviar las ondas de choque, así como en tecnologías de imágenes acústicas para aprovechar las ondas de sonido.
Fuente:
