رایان لی از دانشگاه کالیفرنیا، لس آنجلس و همکارانش این مفهوم را برای ایجاد یک شبکه عصبی مکانیکی که در آن قدرت اتصالات بین نورون‌ها با دسته‌هایی با سفتی متفاوت جایگزین می‌شود، قرض گرفتند.
اساس تحقیقات هوش مصنوعی مدرن، شبکه عصبی مصنوعی (ANN) است که با ایجاد شبکه‌های بزرگی از نورون‌های مصنوعی متصل به سیناپس، ساختار مغز انسان را تقلید می‌کند. درست همانطور که مغز انسان با تقویت ارتباطات سیناپسی رفتارهای جدیدی را می آموزد، ANN ها نیز با تنظیم مقادیر عددی ذخیره شده برای نشان دادن آنها، یاد می گیرند.
او می‌گوید: «شما می‌توانید کار جالبی مانند تداخل آشفتگی انجام دهید، جایی که بال با چیزی برخورد می‌کند و تغییر شکل می‌دهد و به صورت محلی تغییر شکل می‌دهد تا انرژی توزیع شده را حفظ کند تا کابین احساس خوبی و نرمی داشته باشد». در حال حاضر، بال‌ها برای انجام حرکات بزرگ، خم شدن، توزیع آن در سراسر بال طراحی شده‌اند، و این به معنای تکان خوردن در کابین است.
شبکه عصبی مکانیکی به جای پردازش داده های عددی، نیروهای اعمال شده به آن را پردازش می کند و شکل آن را بر اساس سختی پرتوهایش می پیچد و تغییر می دهد. به عنوان مثال، یک نیروی یکنواخت اعمال شده به یک طرف توری می تواند توسط پرتوهای زیادی هدایت شود تا فوراً یک نیروی موج مانند در انتهای مخالف ایجاد شود، در حالی که نیروی یکنواخت اعمال شده به سمت بالا می تواند موج را معکوس کند.
لی می‌گوید نسخه‌های آینده این آرایه را می‌توان تا یک شبکه بسیار بزرگ‌تر مقیاس‌بندی کرد و هر پرتو را می‌توان با استفاده از تکنیک‌های پیشرفته چاپ سه‌بعدی کوچک‌سازی کرد. او می‌گوید هنگامی که یک گریتینگ به صورت فیزیکی یا شبیه‌سازی آموزش داده شد، می‌توان آن را با سفتی پرتوهای مشخص چاپ کرد و از آن به بعد برای کار کردن نیازی به تجهیزات الکترونیکی ندارد. یک شبکه عصبی مکانیکی که از پرتوهایی با سفتی متفاوت ساخته شده است فن آوری 19 اکتبر 2022 مرجع مجله: رباتیک علمی، DOI: 10.1126/scirobotics.abq7278 لی می‌گوید یک بال هواپیما که از شبکه عصبی مکانیکی ساخته شده است، می‌تواند به طور خودکار در پاسخ به موقعیت‌ها تغییر شکل دهد و مشخصات خود را در واکنش به سرعت‌های بالاتر یا پایین‌تر برای حفظ کارایی یا جلوگیری از سرقت‌های ناخواسته تغییر دهد. این تیم آرایه ای از 21 تیر، هر کدام 15 سانتی متر طول و در یک شبکه مثلثی چیده شدند. هر پرتو دارای یک موتور خطی کوچک است که می‌تواند سختی آن را تغییر دهد و حسگرهایی که اندازه‌گیری می‌کنند که هر “نورون” یا مفصل پرتو چقدر از موقعیت خارج شده است. این به رایانه اجازه می دهد تا با تنظیم سختی پرتو، شبکه را آموزش دهد. پس از انجام، سازه نیازی به محاسبه خارجی ندارد و سختی های مختلف تیر قفل می شود. لی و همکاران، سی. ربات. 7, eabq7278 (2022) درباره این موضوعات بیشتر بدانید:
منبع: https://www.newscientist.com/article/2342654-mechanical-neural-network-could-enable-smart-aircraft-wings-that-morph/?utm_campaign=RSS%7CNSNS&utm_source=NSNS&utm_medium=RSS&utm_content=home