Mechanische neuronale Netze: Knoten für die Zukunft
Forscher in Kalifornien und den Niederlanden bauen mechanische neuronale Netze auf. So könnten in Zukunft Bauteile entstehen, die auf Reize reagieren.
Forscher in Kalifornien und den Niederlanden entwickeln mechanische neuronale Netze. Damit ließen sich künftig Bauteile konstruieren, die auf Reize reagieren. Die neuartigen Netzwerke verbinden Knoten und Dehnungsstreifen miteinander.
Neuronale Netze verknüpfen Ein- und Ausgabeknoten. Dazwischen liegen – über künstliche Neuronen verbunden – mehrere weitere Schichten mit Knoten, deren Verbindungsparameter nach Bedarf zu variieren sind. Das geschieht in der sogenannten Trainingsphase. Forscher an der University of California in Los Angeles (UCLA) sowie an der University of Twente in den Niederlanden haben Komponenten entwickelt, mit denen sie nach denselben Prinzipien mechanische neuronale Netze (MNN) bauen können.
Ihr Proof of Concept besteht aus 12 Knoten und 21 Dehnungsmessstreifen, deren Steifigkeit durch je einen Schwingspulen-Aktuator von außen einstellbar ist. Je nach den Steifigkeitswerten der Streifen verändert sich die Ausrichtung der Knoten. Zwei Knoten (auf dem Foto links) dienen als Eingangsknoten, je zwei Aktuatoren können Kräfte auf sie wirken lassen. Zwei weitere Knoten auf der anderen Seite stellen durch ihre Ausrichtung die Ausgabe dar. Mit dieser Konfiguration gelang es den Forschern, ein Verhalten zu trainieren, das beispielsweise auf zwei unterschiedliche Kraftprofile am Eingang mit zwei vorgegebenen Positionsmustern an den Ausgangsknoten reagierte.
Parallel entwarf das Team um Ryan Hansen Lee an der UCLA eine Computersimulation, in der sie unterschiedliche MNNs virtuell trainieren können. Sobald sie die damit gefundenen Werte auf die mechanischen Aktuatoren übertragen, übernimmt das Netz das trainierte Verhalten aus der Simulation und reagiert auf ein Kraftprofil mit einer spezifischen Ausrichtung der Knoten im Ausgangslayer. Eine solche Technik wäre zum Beispiel in einer Flugzeugtragfläche denkbar, deren hintere Kante sich mechanisch verändert, je nach Anströmwinkel der Luft im vorderen Bereich. Als MNN könnte eine solche Tragfläche zusätzlich lernen, beispielsweise strukturelle Schäden auszugleichen. Die Forscher weisen darauf hin, dass sie ihre MNNs dreidimensional erweitern können, um so auch voluminöse Bauteile mit frei definierbarer technischer Intelligenz zu entwerfen.
(Bild: Ryan Lee et al. / UCLA)
(agr)
