• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  Science >> Vetenskap >  >> Fysik
    Designa en drönare som använder adaptiv osynlighet:Mot autonoma hav-land-luftkappor
    Autonom drönare kan vara förklädd som ett annat objekt – till exempel en kanin – mitt i kalejdoskopiska miljöer. Kredit:Chao Qian, Zhejiang University.

    Tanken på att föremål sömlöst försvinner, inte bara i kontrollerade laboratoriemiljöer utan också i verkliga scenarier, har länge fångat den populära fantasin. Det här konceptet representerar den mänskliga civilisationens bana, från primitiva kamouflagetekniker till dagens sofistikerade metamaterialbaserade kappor.



    Nyligen uppmärksammades detta mål ytterligare i Science , som en av de "125 frågorna:utforskning och upptäckt." Forskare från Zhejiang University har tagit steg i denna riktning genom att demonstrera en intelligent aero amfibisk osynlighetsmantel. Denna kappa kan bibehålla osynlighet mitt i dynamiska miljöer och neutralisera yttre stimuli.

    Trots decennier av forskning och framväxten av många prototyper av osynlighetsmantel, är det fortfarande en formidabel utmaning att uppnå en amfibiemantel för flygplan som kan manipulera elektromagnetisk spridning i realtid mot ständigt föränderliga landskap. Hindren är mångfacetterade och sträcker sig från behovet av avstämbara metasytor med komplex amplitud till frånvaron av intelligenta algoritmer som kan hantera inneboende problem såsom icke-unika och ofullständiga indata.

    För att ta itu med dessa utmaningar direkt har ett team vid Zhejiang University avslöjat en självkörande, klädd obemannad drönare. Som rapporterats i Avancerad fotonik , denna drönare integrerar sömlöst funktioner för perception, beslutsfattande och exekvering.

    Nyckeln ligger i spatiotemporal modulering som tillämpas på omkonfigurerbara metasytor, vilket möjliggör anpassning av spridningsfält över rymd- och frekvensdomäner. För att driva denna innovation föreslår de ett generations-eliminerande neuralt nätverk, även känt som stokastisk evolutionsinlärning.

    Detta nätverk guidar globalt de spatiotemporala metasytorna, och söker automatiskt optimala lösningar med maximal probabilistisk slutledning, och löser därmed de en-till-många-problem som är inneboende i den inversa designen. I ett banbrytande experiment implementerade teamet detta koncept på en obemannad drönarplattform, och demonstrerade adaptiv osynlighet över tre kanoniska landskap:hav, land och luft.

    Denna sammansmältning av spatiotemporala metasytor, djupinlärning och avancerade kontrollsystem utökar osynlighetskappornas rike till flygplattformar. Det integrerade neurala nätverket fungerar som en sofistikerad befälhavare som reder ut den komplexa interaktionen mellan vågor och metasytor.

    Detta genombrott förebådar ett nytt paradigm inom omvänd design, som erbjuder lösningar på många-till-många-korrespondenser. Utöver omedelbara tillämpningar fungerar detta arbete som en katalysator för att inspirera framtida forskning inom materialupptäckt och utveckling av adaptiva metaenheter. Framöver kan ytterligare framsteg hantera nuvarande begränsningar, såsom bandbreddsbegränsningar och utmaningar relaterade till full polarisering.

    Mer information: Chao Qian et al, Autonom aeroamphibious osynlighetsmantel med stokastisk evolutionsinlärning, Avancerad fotonik (2024). DOI:10.1117/1.AP.6.1.016001

    Tillhandahålls av SPIE




    © Vetenskap https://sv.scienceaq.com