一、主要结果
1. 成功实现了三种可编程的、稳定的变形模式
通过编程8根双稳态梁的数字状态(0或1),单个DMM单元在压缩下可展现出三种截然不同的变形响应:
实验与模拟验证:结合压缩实验和有限元分析,证实了各模式的变形轨迹、刚度差异及应变能最小化原理。
2. 建立了DMM的稳定设计准则
研究揭示了防止非预期状态切换、保持编程功能稳定的关键机制:
核心冲突:压缩载荷下,三折梁的失稳与双稳态梁的状态切换相互竞争。
设计规则:通过理论模型与实验,明确了三折梁厚度(t_p) 和双稳态梁厚度(t) 的匹配关系。减薄三折梁可促使其先失稳,从而“锁死”双稳态梁的状态,确保编程模式在加载过程中的稳定性(图3)。
指导意义:该准则为实现可靠、可预测的功能编程提供了关键参数依据。
3. 演示了基于DMM的多功能应用
通过构建DMM阵列,实验验证了其广泛的可编程功能:
二、核心讨论与展望
1. 范式创新:从“模拟”调控到“数字”编程
本研究最核心的贡献在于提出并验证了一种 “数字编程”材料功能的新范式。与传统方法(连续调整几何或载荷)不同,它将材料功能离散化为由二进制编码控制的、明确区分的几种状态(如CTC、CSC、PC)。这实现了结构设计与性能设计的根本性解耦——设计师可像编写软件一样,通过“编码”独立指定所需功能,而无需重新设计物理结构。
2. 性能解耦的关键:功能分离式设计
DMM的创新结构实现了 “状态设定”与“承载变形”的分离:
3. 可扩展性与通用性潜力
空间拓展:单元可扩展为大规模阵列,通过每个单元的独立编程,实现更复杂、更宏观的功能调控(如文中3×3阵列展示的刚度连续编程)。
跨尺度制造:该设计理念可适用于从微纳米(如双光子3D打印)到宏观尺度(如模塑)的加工。
材料智能化延伸:双稳态梁可采用形状记忆聚合物、磁致或电致活性材料等智能材料制造,从而赋予DMM远程、非接触、自适应的状态编程能力,推动其向更高程度的智能化发展。
4. 与AI驱动超材料设计的对比
与此前分析的 《AI-Based Metamaterial Design》 相比,本文代表了一条互补的技术路径:
AI驱动路径:侧重于利用人工智能算法(如GAN、神经网络)在海量设计空间中逆向搜索或生成满足复杂性能目标的最优微结构,核心是“发现”。
数字编程路径:侧重于设计一种基础物理单元,其本身内置了几种明确、离散的功能模式,并通过数字化指令进行切换,核心是“控制”与“调用”。两者共同指向了未来材料设计的智能化趋势:AI可用于优化DMM本身的单元设计,而DMM的数字编程框架则为AI提供了清晰、可操作的功能控制接口。
三、结论总结
本研究成功创造了一种具有数字编程能力的机械超材料。其核心在于通过双稳态结构编码,使单个材料单元能可靠地切换于多种本质不同的变形模式之间,从而实现了对刚度、运动形式、能量吸收和波传递等多种力学功能的“一键切换”。这项工作不仅展示了在信息加密、自适应防护等领域的即时应用前景,更重要的是为开发新一代可现场重构、功能按需定制的智能物质系统奠定了坚实的理论与技术基础。