Les chercheurs ont utilisé l’intelligence artificielle pour prédire certaines propriétés des métamatériaux mécaniques combinatoires.
L’exemple de problème combinatoire donné était de déterminer quel côté d’un origami pouvait être aplati sans dommage. Un problème combinatoire est un algorithme lié à un nombre donné d’éléments.
Utilisation de l’apprentissage automatique pour découvrir les propriétés des métamatériaux
La nouvelle étude a été menée par l’Institut de physique de l’UvA et l’institut de recherche AMOLF. Elle a été publiée dans la revue Physical Review Letters.
Les métamatériaux sont des matériaux qui n’existent pas dans la nature et dont les propriétés résultent d’une structure artificielle plutôt que d’une composition chimique. Les recherches menées par l’UvA et l’AMOLF ont montré que les algorithmes d’apprentissage automatique peuvent répondre avec précision à des questions telles que le problème combinatoire de l’origami. L’équipe a testé la capacité de l’intelligence artificielle à prédire les propriétés de certains métamatériaux.
Les matériaux mécaniques combinatoires sont des matériaux d’ingénierie. L’origami mentionné est considéré comme un type de métamatériau dont la capacité à s’aplatir est déterminée par la manière dont il est plié, ou par sa structure, plutôt que par le matériau avec lequel il a été fabriqué.
Les chercheurs ont également indiqué qu’une conception intelligente leur permet de contrôler où et comment un métamatériau se plie, ce qui permet de l’utiliser pour toute une série de choses, des « amortisseurs de chocs au déploiement de panneaux solaires sur un satellite dans l’espace ».
Éléments constitutifs d’un métamatériau
Dans l’étude, les chercheurs ont étudié une pièce typique de métamatériau combinatoire construite avec deux blocs de construction ou plus, qui s’effondrent lorsqu’une quantité spécifique de force est appliquée. Pour que tous les blocs de construction se déforment et ne se bloquent pas lorsqu’une pression est appliquée, les blocs de construction contorsionnés doivent s’emboîter comme des pièces de puzzle. La modification d’un seul bloc du métamatériau peut rendre le métamatériau pliable inflexible et robuste.
Bien que le métamatériau puisse être appliqué et utilisé de diverses manières, la conception d’un nouveau métamatériau s’avère difficile pour l’équipe de recherche. La création des propriétés du métamatériau pour différentes structures est le fruit d’essais et d’erreurs. « À notre époque, nous ne voulons pas faire tout cela à la main.
Cependant, comme les propriétés des métamatériaux combinatoires sont très sensibles aux changements apportés aux éléments constitutifs individuels, les méthodes statistiques et numériques conventionnelles sont lentes et sujettes aux erreurs », ont déclaré les chercheurs.
Les réseaux neuronaux prédisent avec précision
Grâce au concept d’essais et d’erreurs, les chercheurs ont découvert que l’apprentissage automatique pouvait être précis et efficace. Ils ont découvert que les réseaux neuronaux pouvaient prédire avec précision les propriétés métamatérielles de n’importe quel modèle ou structure, avec beaucoup de détails et d’exactitude. L’apprentissage automatique a été capable d’apprendre les complexités des propriétés des métamatériaux.
« Cela a largement dépassé nos attentes », a déclaré le Dr Ryan van Mastrigt, premier auteur de l’étude. « La précision des prédictions nous montre que les réseaux neuronaux ont effectivement appris les règles mathématiques qui sous-tendent les propriétés des métamatériaux, même si nous ne connaissons pas toutes les règles nous-mêmes. »
Cette découverte suggère que l’intelligence artificielle pourrait être utilisée à l’avenir pour concevoir de nouveaux métamatériaux complexes dotés de propriétés appropriées. De plus, dans l’étude, les chercheurs affirment que les résultats pourraient améliorer la compréhension des réseaux neuronaux et démontrer les problèmes qu’ils peuvent résoudre.
Article similaire :
Des scientifiques mettent au point un « béton cosmique » pour construire des habitats sur Mars
Le béton peut désormais être une solution climatique grâce à ces blocs mangeurs de carbone
Un étudiant du MIT utilise l’IA pour concevoir des bâtiments avec moins de béton
Des chercheurs créent un béton métamatériel autodétecteur qui produit de l’énergie