智能材料對外部刺激做出反應(yīng)，但通常僅以預(yù)編程的方式。例如，配備響應(yīng)組件的軟物質(zhì)可以在設(shè)計的形狀或結(jié)構(gòu)之間切換。然而，這些人造材料無法模仿生物體復(fù)雜的變形過程，其中許多會不斷改變形狀以與環(huán)境相互作用并執(zhí)行任務(wù)。
因此，希望能通過發(fā)揮智能的基本特征來創(chuàng)造能夠?qū)崿F(xiàn)這些能力的物質(zhì)。挑戰(zhàn)在于制造可重新編程的物質(zhì)，在制造后可以采用多種形狀，由“逆向設(shè)計”系統(tǒng)控制，該系統(tǒng)計算出編程材料變形為目標(biāo)形狀所需的輸入（例如電流或電壓），或采用可以執(zhí)行所需功能的形狀。這需要反饋系統(tǒng)和優(yōu)化策略與材料緊密結(jié)合，以便實驗數(shù)據(jù)驅(qū)動數(shù)字控制系統(tǒng)改變其形狀以實現(xiàn)用戶指定的目標(biāo)。
成果簡介
鑒于此，杜克大學(xué)倪小越、西北大學(xué)John A. Rogers院士、黃永剛院士和清華大學(xué)王禾翎等人設(shè)計并制造了一種稱為超表面的片狀材料，它由折疊成蜿蜒蛇形彎曲的導(dǎo)電帶的軟網(wǎng)組成。該軟網(wǎng)由可重新編程的分布式洛倫茲力驅(qū)動，該力在靜磁場存在下電流通過。由此產(chǎn)生的系統(tǒng)展示了復(fù)雜的動態(tài)變形能力，響應(yīng)時間在 0.1?秒內(nèi)。
異常簡單的輸入-輸出關(guān)系
超表面采用相互連接的蛇形梁的形式，由聚酰亞胺封裝的薄金導(dǎo)電層組成。梁的交叉點形成 N×M 網(wǎng)格。當(dāng)放置在靜磁場中時，超表面會根據(jù)作用在網(wǎng)格上的電磁力快速且可逆地改變形狀，這可以通過改變設(shè)備邊緣一系列端口的電壓來控制。網(wǎng)格表現(xiàn)出線性電壓-位移響應(yīng)，對于軟材料的大變形來說，這是一種異常簡單的輸入-輸出關(guān)系。這使研究人員能夠開發(fā)一個理論模型，預(yù)測生成目標(biāo)形狀所需的電壓，并形成模型驅(qū)動的逆向設(shè)計系統(tǒng)的基礎(chǔ)，以控制變形。
圖|由可重新編程的電磁驅(qū)動驅(qū)動的機械超表面
圖|用于動態(tài)、復(fù)雜形狀變形的超曲面的模型驅(qū)動逆向設(shè)計
自我進(jìn)化！
自適應(yīng)、自我進(jìn)化的超表面平臺提供了一種半實時變形方案來學(xué)習(xí)真實物體不斷進(jìn)化的表面。除了自我進(jìn)化以優(yōu)化形狀外，超表面還可以自我進(jìn)化以優(yōu)化功能。因此，為了驗證模型驅(qū)動系統(tǒng)，研究人員還集成了一個成像系統(tǒng)，該系統(tǒng)將超表面的形狀與所需形狀進(jìn)行比較，并解決需要糾正的小差異。然后使用成像反饋來開發(fā)原位優(yōu)化過程，其中控制電壓自我調(diào)整以最小化變形誤差（±2%）。
這種實驗驅(qū)動的優(yōu)化方法克服了非線性、非理想甚至不可預(yù)測系統(tǒng)逆向設(shè)計的基本挑戰(zhàn)，因為它不需要電壓-位移關(guān)系的理論模型來指導(dǎo)變形。相反，超表面會自我調(diào)整以學(xué)習(xí)準(zhǔn)確地采用新形狀。
通過這種自我優(yōu)化，超表面的性能優(yōu)于逆向設(shè)計模型，智能變形以解釋理論模型無法預(yù)測的擾動，包括環(huán)境變化、施加的機械載荷和材料中的缺陷。超表面還可以調(diào)整其形狀以完成規(guī)定的任務(wù)，而無需預(yù)設(shè)形狀。
圖|自我進(jìn)化的形狀向半實時形狀學(xué)習(xí)和多功能性轉(zhuǎn)變
總結(jié)與展望：
該智能變形控制系統(tǒng)與各種材料、幾何形狀、布局和控制方案兼容，并具有許多潛在應(yīng)用（從軟機器人到增強現(xiàn)實等領(lǐng)域）。該平臺與現(xiàn)有柔性電子框架中使用的典型材料、結(jié)構(gòu)和薄膜制造技術(shù)兼容。它支持材料、幾何形狀、布局、控制系統(tǒng)和磁性設(shè)置的優(yōu)化選擇，以實現(xiàn)設(shè)計靈活性和潛在的可擴展性，從而在可穿戴技術(shù)、軟機器人和先進(jìn)材料中提供廣泛、多功能的應(yīng)用場景。該優(yōu)化方案彌合了材料設(shè)計中理論模型與實際性能之間的差距，并展示了如何在工程物理系統(tǒng)中實施人工智能。
然而，存在一個限制是曲面必須完全在攝像機的視野內(nèi)，優(yōu)化過程才能成功。這限制了可以評估的形狀范圍以及可以使用超表面的環(huán)境。緩慢的圖像處理也阻礙了形狀學(xué)習(xí)過程。傳感器和其他組件需要嵌入到變形物質(zhì)中以產(chǎn)生自主的無束縛系統(tǒng)，并且需要更有效的算法。此外，網(wǎng)狀結(jié)構(gòu)所施加的力很小；為了產(chǎn)生某些應(yīng)用所需的大應(yīng)力輸出，需要具有更高施加電流或更大磁場的剛性結(jié)構(gòu)。
參考文獻(xiàn)：
Bai, Y., Wang, H., Xue, Y. et al. A dynamically reprogrammable surface with self-evolving shape morphing. Nature 609, 701–708 (2022).
https://doi.org/10.1038/s41586-022-05061-w
