Onderzoekers aan de Universiteit van Michigan hebben materialen ontwikkeld die zelfstandig kunnen ‘leren’, zonder dat daarbij computers nodig zijn. Deze doorbraak kan leiden tot futuristische toepassingen zoals vliegtuigvleugels die zich automatisch aanpassen aan wisselende windomstandigheden.
Het onderzoeksteam heeft een wiskundig algoritme ontwikkeld dat een raamwerk biedt voor hoe materialen zelfstandig via zogenaamde mechanische neurale netwerken informatie kunnen verwerken. Deze netwerken gebruiken fysieke materialen om informatie te verwerken en taken uit te voeren, zonder dat digitale computers of algoritmen nodig zijn.
De kern van dit systeem is een techniek genaamd terugpropagatie. Dit proces, eerder toegepast in digitale neurale netwerken, vooral bekend als de technologie achter chatbots als ChatGPT, stelt een systeem in staat om zelfstandig te leren door herhaalde aanpassingen. Het materiaal krijgt een input, zoals een kracht of gewicht, en verwerkt dit via de mechanische structuur. De output is de vervorming van het materiaal, die vervolgens wordt vergeleken met de gewenste uitkomst. Het algoritme gebruikt deze verschillen, ook wel de ‘loss function’ genoemd, om de structuur aan te passen. Hierdoor kan het materiaal steeds beter reageren op nieuwe input.
“We zien dat materialen zelfstandig taken kunnen uitvoeren en berekeningen kunnen maken”, vertelt onderzoeker Shuaifeng Li. Dit principe werd getest met behulp van een rubberen rooster, vervaardigd met een 3D-printer. Het rooster, opgebouwd uit kleine driehoeken en trapezoïden, werd getraind door de stijfheid of flexibiliteit van bepaalde onderdelen aan te passen. Zo kon het netwerk leren onderscheid te maken tussen verschillende soorten irisbloemen, gebaseerd op de grootte van hun bloemblaadjes.
Nieuwe mogelijkheden voor mechanische systemen
Volgens de onderzoekers biedt dit algoritme mogelijkheden die verder gaan dan de huidige toepassingen in kunstmatige intelligentie. Mechanische neurale netwerken kunnen in theorie complexe problemen oplossen zonder tussenkomst van digitale computers. “Deze technologie kan bijvoorbeeld helpen bij het ontwerpen van auto’s met verbeterde laadcapaciteit, of robots die objecten beter kunnen vastpakken en loslaten onder gecontroleerde kracht”, zegt Li.
Techniek wordt nog verfijnd
Hoewel dergelijke toepassingen nog niet direct binnen handbereik liggen, zijn de onderzoekers al bezig met verdere verfijning van hun techniek. Momenteel werken ze aan systemen die gebruikmaken van geluidsgolven om data te coderen en verwerken. “Met geluidsgolven kunnen we veel meer informatie verwerken”, legt Li uit. “Bijvoorbeeld, een geluidsgolf kan tegelijk de sterkte, frequentie en fase van de golven gebruiken om gegevens te verzenden. Dit maakt het systeem compacter en efficiënter.”
Het onderzoeksteam onderzoekt ook andere materiaalsoorten, waaronder polymeren, die unieke eigenschappen bieden voor zelflerende systemen. Polymeren, grote moleculen met flexibele ketenstructuren, kunnen worden ontworpen om hun mechanische eigenschappen aan te passen aan externe prikkels zoals druk of temperatuur, waardoor ze dynamisch kunnen reageren op veranderingen in de omgeving. Door deze materialen toe te passen in mechanische netwerken, is het mogelijk om systemen te ontwikkelen die volledig autonoom leren en zich aanpassen, zonder dat er fysieke wijzigingen aan de structuur nodig zijn.
Brede implicaties voor wetenschap en technologie
Het algoritme dat deze processen aanstuurt, kan op langere termijn niet alleen mechanische systemen verbeteren, maar ook biologen inspireren. “Het succes van deze techniek in verschillende fysieke systemen zou biologen kunnen helpen begrijpen hoe neurale netwerken in mensen en andere soorten functioneren”, aldus Li. Dat zal echter niet gemakkelijk zijn en vereist samenwerking. “De samenwerking tussen natuurkundigen, biologen en ingenieurs is essentieel voor de toekomstige ontwikkeling van deze technologie. Elke discipline brengt haar eigen expertise: natuurkundigen ontwikkelen de theorieën, biologen begrijpen de levende systemen, en ingenieurs realiseren de praktische toepassingen.”
