由机械神经网络制成的材料可以学习调整其物理特性
根据我和我的同事的说法，具有可变刚度连接的独特晶格可以帮助新材料学习并提高其处理意外力的能力。
这种新材料是一种建筑材料，它的属性更多地来自于它的几何形状和设计，而不是它的材料。 考虑类似魔术贴的织物封口，例如钩环。 不管它是由棉花、塑料还是其他物质制成的。 只要织物的一侧有坚硬的钩子而另一侧有蓬松的环，材料就会很粘。
我们将新材料的架构基于人工神经网络——层和节点相互连接，可以通过改变每个连接的权重来训练它们执行任务。 我们假设可以训练一个由物理节点组成的机械晶格，通过调整每个连接的刚度来获得某些机械特性。
来源和详细信息：
Materials Made of Mechanical Neural Networks Can Learn to Adapt Their Physical Properties