Команда физиков из Университета Мичигана представила новый алгоритм, который открывает перспективы для механических нейронных сетей (МНС), способных к самостоятельному обучению. Это исследование, проведенное Шуаифэном Ли и Сяомином Мао, демонстрирует, что материалы могут обучаться выполнять задачи и решать проблемы.
Алгоритм основан на методах обратного распространения ошибки, используемом в цифровых и оптических системах, что позволяет MNN адаптироваться к входным данным и оптимизировать свои характеристики. Ли отметил, что «мы наблюдаем успех теории обратного распространения в различных физических системах», что может помочь исследователям в области биологии лучше понять, как работают Biological neural networks.
Исследование показало, что с помощью новых алгоритмов MNN могут эффективно обрабатывать различные тактильные данные и изменять свою форму. В частности, в экспериментах материалы определяли разные виды цветов ириса, что подчеркивает возможность применения MNN в экологии и других сложных задачах. С точки зрения практической возможности, такие механические системы могут привести к созданию интеллекта в механических системах, что обещает множество применений в различных отраслях.
Данное открытие также подразумевает новые образовательные подходы для биологов, и, как подчеркнул Ли, «даже создания самолетных крыльев, которые могут адаптироваться к различным ветровым условиям». Важно отметить, что данное исследование поддерживается Офисом военно-морских исследований и Национальным научным фондом.