正如一位不需要观察琴键，也可以娴熟演奏的钢琴家，美国加州大学洛杉矶分校机械工程师设计了一种新型材料，可以久而久之学习行为，形成了自己的“肌肉记忆”，让实时适应外力的改变。这种名为“智能记忆合金”的材料，是利用高分子聚合物制造而成，可以被用来制作各种复杂构件。这种材料包括带可调梁结构体系，能够随着动态条件的变化而变化自己的外形与行为。当环境中出现剧烈震动时，这种新型智能材料可以迅速作出反应，从而让人能够保持注意力，避免危险发生。这项研究发表在19日出版的《科学·机器人》上，将在建筑学上进行、在飞机，成像技术领域有着重要的用途。

乔纳森·霍普金斯，主持这项研究的加州大学洛杉矶分校工程学院机械和宇航工程教授，这类人工智能材料可以研究暴露在环境条件下应该表现出来的行为与特征。这种智能材料是一种能根据周围信息来调节自己状态的人工聚合物材料，可用于制造一些特殊的装置，如传感器等。如将物料置于飞机机翼上，它能研究飞行中的风规律，更改自身机翼外形，为了使飞机更高效，机动性更好；如果材料被安装在汽车车身上时，它也会自动地根据驾驶人的意图做出相应的动作。并且注入该物质的建筑结构也可以对部分区域刚度进行自我调整，以增强其在地震或其他自然或人为灾害过程中的整体稳定性。

科学家对已有的人工神经网络概念进行使用与调整。提出并实现一种新技术来模拟生物神经元之间的相互作用。人工神经网络恰恰是机器学习的一种驱动算法，研究者们研制出互连系统人工神经网络组件机械等效物。这种新型的结构是用一个可调节激光器阵列产生的光脉冲来激发单个光纤光栅。该机械神经网络由一个独立可调光束构成，该光束由三角形格子图案取向。这种光网络可用于各种复杂结构。每根梁上有一个音圈、应变片与挠曲件之间，使梁体的长度得以变化，实时适应环境改变，以及与系统中的其他光束相互作用。

再由优化算法从各应变仪中获得数据，确定刚度值组合，从而实现对系统整体的控制。实验结果表明该方法可以有效地减少传感器数量，降低硬件成本和提高监测精度。以考察应变仪监控系统是否有效，研究小组还利用系统输出节点处培训的相机进行实验。

系统早期原型显示出施加力输入与机械神经网络响应输出间的滞后性，对系统整体性能产生影响。针对这一问题，本文提出一种新的设计方法以改善上述缺陷，即通过引入一个基于有限元分析的结构模型来预测应变值与位移量之间的关系，从而实现对施加力幅值和频率的精确控制。研究小组在梁上对应变仪与弯曲进行多次迭代，并对不同晶格图案与厚度进行试验，最后的设计方案克服滞后，对各方向所施加的作用力进行精确的分配。

目前，这个系统的体积约为微波炉的体积，但是研究者们打算对机械神经网络的设计进行精简，为了在3D晶格中制作微尺度的成千上万的网，以便在实际的材料应用中。

一个材料自我学习的原因？人工神经网络是指通过模拟人脑的神经活动而形成的具有高度并行化特征的计算模型。这就需要依靠人工神经网络，它使这一新材料具有智能，自适应等特点。目前，这种被称为“神经增强”的新型材料已应用于航空航天、电子通信以及医学等诸多行业，并取得良好效果。事实上，在近年来大热的机器学习领域，所运用的恰恰是同样的基本原理。今后除将此新材料用于车辆及建筑材料，也可在战场上使用，如果集成在装甲上，从而达到使冲击波发生偏转的目的；或者应用在医疗领域，声学成像技术也会因此而获得很大的发展。