- Yale University entdeckt, dass fließende Flüssigkeiten vergangene Ereignisse speichern können, was das ingenieurtechnische Denken verändern könnte.
- Mikrofluidischer Chip nutzt flexible Fasern, um vergangene Zustände von Flüssigkeiten aufzuzeichnen, ohne elektronische Bauteile.
- Das System kann Soft-Robotern neuartige Controller bieten, die sich komplexen Umgebungen anpassen.
- Forschende wollen Flüssigkeitsnetzwerke trainieren, um spezifische Reaktionen zu erzeugen, und streben physisches Lernen an.
Forschende der Yale University haben eine Methode entdeckt, mit der fließende Flüssigkeiten vergangene Ereignisse speichern können – realisiert durch winzige, flexible Fasern, die unter Druck ihre Form verändern. Die Entdeckung könnte Ingenieuren helfen, Soft-Roboter ohne herkömmliche elektronische Steuerungen zu entwickeln. Das Konzept kehrt die herkömmliche Denkweise bei Ingenieursproblemen um. Die meisten Flüssigkeitssysteme reagieren lediglich auf die Bedingungen, denen sie begegnen, doch Yales Design kann Spuren früherer Strömungen bewahren. Seine physischen Komponenten speichern Informationen effektiv, sodass vergangene Ereignisse das künftige Verhalten des Systems beeinflussen.
Im Inneren des mikrofluidischen Chips platzierten die Forschenden flexible Fasern in einem Netzwerk aus schmalen Kanälen. Jeder Kanal ist etwa halb so tief wie ein menschliches Haar. Wenn sich die Flüssigkeit in den Kanälen bewegt, drückt der Druck einzelne Fasern zwischen zwei stabile Konfigurationen. Jede Positionsänderung verändert den für die Flüssigkeit verfügbaren Pfad und schafft so eine physische Aufzeichnung des vorherigen Systemzustands. Ingenieure können diese beiden Konfigurationen als Binärziffern darstellen – Null und Eins. Anders als bei herkömmlichen Computerspeichern benötigt diese Anordnung keine elektronischen Bauteile, um Zustände zu wechseln. Abhineet Rajput, Doktorand im Labor von Yale-Professor Amir Pahlavan und Erstautor der Studie, erläuterte den Unterschied: „Herkömmliche Mikrofluidik beruht auf aktiven Elementen, während dieses System Mikrofasern nutzt, um Informationen passiv zu speichern.“
Funktionsweise des mikrofluidischen Chips
Die Fasern können auch miteinander wechselwirken. Ihre Interaktion ermöglicht es, dass einzelne Veränderungen das Verhalten des größeren Netzwerks prägen und so ein komplexeres physisches Gedächtnis entsteht. Die Forschung könnte einen weiteren Weg zur Steuerung von Soft-Robotern eröffnen. Solche Maschinen müssen sich typischerweise biegen, durch enge Räume manövrieren oder in Umgebungen operieren, die herkömmliche Hardware vor Herausforderungen stellen. Ein flüssigkeitsbasierter Controller kann Druck und Strömungsgeschwindigkeiten nutzen, um Signale zu übertragen. Die Kanäle verbinden verschiedene Teile des Systems, während die flexiblen Fasern die Flüssigkeitsbewegung regeln und Informationen speichern. Pahlavan sieht besonderen Wert dieses Systems in Umgebungen, in denen elektronische Geräte an Grenzen stoßen.
„Wir können einen vollständig fluiden Controller entwerfen, der in einen Soft-Roboter integriert werden kann und effektiv als dessen Gehirn fungiert“, sagt Pahlavan, Assistant Professor für Maschinenbau an der Yale University. Elektromagnetische Störungen können in manchen Betriebsumgebungen elektronische Systeme lahmlegen; ein auf Flüssigkeitsbewegung basierender Controller bietet eine Alternative, wenngleich Forschende noch nachweisen müssen, dass er Roboter in praktischen Aufgaben zuverlässig steuern kann.
Zukünftige Forschungsrichtungen
Das Gedächtnis ist nur ein Teil der Ambitionen der Forschenden. Die nächste Frage ist, ob Ingenieure Flüssigkeitsnetzwerke so trainieren können, dass sie spezifische Reaktionen zeigen. Training kann verändern, wie das Netzwerk auf einströmende Flüssigkeit reagiert, und ihm so anpassungsfähiges Verhalten verleihen. Dies würde das System über das bloße Bewahren vergangener Informationen hinaus in Richtung physisches Lernen führen. Dieselbe Prinzip könnte auch Biologen interessieren, die erforschen, wie Organismen ohne Gehirn ihre Umgebung navigieren. So finden Schleimpilze effiziente Wege durch Labyrinthe. Die Forschenden möchten zudem verstehen, wie Pilze und Pflanzenwurzeln auf Umweltveränderungen reagieren.
Flüssigkeitsnetzwerke könnten ein physisches Modell bieten, um zu untersuchen, wie Interaktionen und kumulierte Erfahrungen Verhalten formen. Ob die Technologie letztlich nützliche Aufgaben erlernen kann, bleibt eine offene Frage.
Die Forschungsergebnisse wurden in der Fachzeitschrift „Physical Review X“ veröffentlicht.
Element Spezifikation Prozessor/SoC Mikrofluidischer Chip Speicher Flexible Fasern
Potenzielle Anwendungen und Herausforderungen flüssigkeitsbasierter Steuerungssysteme
Die Forschung der Yale University zeigt, dass die Technologie, vergangene Zustände mithilfe fließender Flüssigkeiten aufzuzeichnen, zukünftigen Soft-Robotern neue Ansätze bieten könnte. Solche flüssigkeitsbasierten Controller können sich bei Herausforderungen wie elektromagnetischen Störungen als zuverlässiger erweisen. Doch wie sich diese Flüssigkeitsnetzwerke für spezifische Aufgaben trainieren lassen, bleibt ein ungelöstes Problem. Die Technologie hat nicht nur potenzielle Auswirkungen auf das Ingenieurwesen, sondern könnte auch Biologen interessieren, da sie ein physisches Modell dafür liefert, wie Organismen ohne Gehirn navigieren.