柔软柔性材料实现复杂计算，为智能机器人开辟道路

软橡胶超材料利用柔性模态，通过低能耗的模块化设计与模拟实现矩阵向量乘法。

荷兰原子分子物理研究所（AMOLF）的研究人员开发出一种新型柔软柔性材料，能够像计算机执行矩阵向量乘法一样完成复杂计算。与传统的刚性电子元件不同，这种弹性超材料利用"柔性模态" —— 几乎不需要能量的微观运动 —— 来进行运算。通过精心设计重复单元，研究人员可以控制这些形变以执行不同的计算，甚至可以在材料制造完成后对其进行重新编程。

研究团队称，这一突破有望为更智能的软体机器人、微型机械传感器以及直接在材料内部处理信息的先进设备铺平道路，从而开辟软物质计算的新领域。

机械矩阵乘法器

传统计算将物理世界与数字处理分离：运动、光或声音需先转换为电信号，再发送给处理器和内存。在计算机体积庞大、功耗高且成本昂贵的早期阶段，这种做法是合理的。然而，每个转换步骤都会消耗能量、引入延迟，并损失原始信号携带的部分信息。

研究人员正探索直接在材料中进行计算以绕过这些转换的新途径。包括光学装置和电阻阵列在内的新兴系统，都聚焦于矩阵向量乘法这一机器学习中的关键运算。机械系统，特别是涉及软材料的系统，提供了低功耗的替代方案；但控制其运动颇具挑战。利用"柔性模态" —— 几乎不受阻力的运动 —— 可以引导可预测的形变，使材料能高效执行计算。

作为解决方案，研究人员创建了一种软机械超材料 —— 一种被切割成重复图案的橡胶片，能够利用几乎不需要能量的柔性模态或运动来执行矩阵向量乘法。输入以橡胶片边缘的水平或垂直位移形式施加，输出则表现为其他边缘的运动，与输入向量乘以矩阵的结果相符。

该橡胶片由小型模块构成，每个模块将两个输入映射为两个输出。梁的角度设定模块的权重，权重值可正可负。梁和连接件将运动限制在两种柔性模态内，这些模态组合起来产生所需的映射。模拟通过有限元建模考虑真实世界的弯曲和拉伸，并结合自动微分和侧重于边界的简化，确保了精确且低能耗的计算。

弹性智能材料

研究显示，这种软机械超材料的性能受梁的纵横比（即梁长与梁宽之比）的限制。在实际材料中，能产生较大矩阵权重的大角度同时也会使输入路径变硬，从而减少输出端的运动。计算表明，利用当前的微加工技术，可以精确构建高达64×64的矩阵，这足以胜任语音特征处理等任务。

团队测试了一个由6毫米厚橡胶切割而成的原型机。步进电机施加微小的边界运动，由摄像机跟踪记录。单个模块在微小输入下遵循预期的线性映射，误差约为20%；较大的输入则导致饱和，产生类Sigmoid函数的响应。据报道，由于橡胶的粘弹性，模块还表现出滞后效应，在较慢速度下滞后效应更小。

权重可在制造后通过双稳态变刚度梁进行调整，允许某些矩阵项在正、负或零之间切换。使用自动微分和有限元分析的模拟有助于提供高效的设计指导。团队声称，这项工作展示了一种可变形材料直接通过运动执行矩阵向量乘法，而无需进行电学转换。

研究人员在论文摘要中表示："结果表明，柔性模态可以成为实现具身智能、智能微机电系统（MEMS）设备及传感器内边缘计算的关键推动力。"

该团队的研究细节已发表于《先进智能系统》期刊。

如果朋友们喜欢，敬请关注“知新了了”！