Redes neuronales mecánicas: materiales y estructuras que aprenden comportamientos mediante IA

Aunque suene más propio de las películas de ciencia-ficción que de algo que podamos ver hoy en día, un equipo de ingenieros mecánicos de UCLA ha publicado un trabajo sobre la creación de un nuevo tipo de material inteligente para formar estructuras que «aprenden» de las fuerzas que experimentan y pueden reaccionar en consecuencia. Con aplicaciones en proyectos arquitectónicos, industriales, aeronáuticos y probablemente automovilísticos, este material utiliza algunas técnicas propias de la inteligencia artificial (IA) para «aprender comportamientos» con el paso del tiempo, como ya hacen algunos robots, y adaptarse luego a las circunstancias.

Una estructura sensible y adaptable



La idea básica consiste en que el material forma una estructura mediante una especie de módulos ajustables capaces de cambiar ligeramente de forma. La estructura «siente» y puede autoajustarse; de ese modo, se convierte en una especie de material con estructura dinámica que podría recordar –en cierto modo– a los tejidos de los seres vivos, no algo inmutable.

El nombre que le han dado a este invento es Redes Neuronales Mecánicas (RNM), lo que refleja tanto su parte relacionada con la IA como la puramente mecánica. En las redes neuronales artificiales hay un concepto importante que es el «peso». Es un valor matemático que representa la información que se transmite capa a capa de unas neuronas artificiales a otras; realizando cálculos matemáticos como normalizarlos y multiplicarlos una y otra vez es como el modelo aprende. En las RNM ese «peso» es casi algo literal: las fuerzas que se ejercen sobre cada uno de los componentes de la estructura (llamados beams, con aspecto de vigas, barras o travesaños) se transforman en valores para alimentar mediante señales la red neuronal. Dependiendo de la estructura y el patrón del empaquetado (su disposición) habrá más o menos de estos módulos y por tanto señales.

Aprender y reaccionar

Hay muchos más factores que influyen en ese proceso de aprendizaje: el tipo de algoritmo, los grados de libertad y la frecuencia de muestreo. En el trabajo se explica cómo el material puede detectar vibraciones, desplazamientos, desequilibros y otros fenómenos. Lo que es más: pueden detectar y aprender de varios de estos efectos mecánicos simultáneamente, actuando como una especie de «memoria muscular».

Los mecanismos son ajustables, de modo que se pueden programar para que, por ejemplo, compensen los cambios debidos a fuerzas externas y el material mantenga la forma original. De este modo se puede imaginar un edificio, un avión o la plataforma de un vehículo adaptándose a los cambios debidos a terremotos, vientos o vibraciones, ya sean pequeños movimientos sísmicos, turbulencias o las vibraciones propias de circular sobre el asfalto.

Es una curiosa aplicación de la IA en terrenos que en principio podrían parecer estar muy alejados: la arquitectura, la industria y sus materiales más básicos, lo que podría dar lugar a interesantes progresos.

Últimas entradas de Microsiervos

Volvo C40 Recharge

Descubre nuestro primer crossover eléctrico puro con interior libre de cuero y con Google integrado. Ya puedes solicitarlo hoy mismo online.

¡Descúbrelo!

Entradas relacionadas con "Redes neuronales mecánicas: materiales y estructuras que aprenden comportamientos mediante IA"