Pesquisadores de Amsterdã criam metamateriais capazes de aprender e memorizar mudanças de forma

Pesquisadores da Universidade de Amsterdã desenvolveram metamateriais capazes de aprender mudanças de forma, memorizar respostas mecânicas e executar funções como locomoção em superfície e preensão de objetos em ambiente experimental. O estudo, publicado em 7 de abril de 2026 na revista Nature Physics, detalha a criação de estruturas sintéticas em formato de cadeia, compostas por dobradiças motorizadas que ajustam o próprio comportamento sem a necessidade de um comando central único.

Diferente de materiais convencionais, que possuem respostas fixas definidas no projeto, ou de robôs que dependem de controle eletrônico programado, esse protótipo integra forma, memória e resposta mecânica. A estrutura consiste em unidades ligadas por dobradiças motorizadas equipadas com microcontroladores. Esses componentes registram movimentos anteriores, medem o ângulo de rotação e trocam informações com as unidades vizinhas, permitindo que as dobradiças apliquem torque e alterem a rigidez e a posição para assumir novas configurações.

O avanço central do trabalho é o aprendizado físico. Em vez de utilizar um software externo para comandar as peças, o próprio material atualiza seus parâmetros internos. O processamento ocorre na estrutura mecânica através da interação entre sensores, motores, memória local e as conexões entre as unidades. O treinamento é realizado por meio de exemplos, utilizando um método chamado aprendizado contrastivo: os pesquisadores impõem uma deformação de entrada e conduzem a cadeia até a forma-alvo. Ao repetir esse processo em ciclos denominados épocas, o sistema compara a resposta livre com a forma desejada e ajusta os comandos locais para reduzir o erro e reproduzir a configuração ensinada.

Essa capacidade de aprendizado permite que os metamateriais armazenem múltiplas mudanças de forma simultaneamente, aprendam novas respostas em sequência ou esqueçam configurações antigas. Em demonstrações suplementares, a equipe treinou as estruturas para formar palavras como “LEARN” (em inglês) e “LEREN” (em holandês). A autonomia do sistema é distribuída, meaning que o comportamento final emerge da interação entre as partes e não de uma ordem externa.

Embora a equipe utilize o termo "evolução", ele se refere estritamente à mudança progressiva do comportamento durante o treinamento dos parâmetros internos, sem relação com seleção natural ou organismos vivos. Yao Du, doutorando no Machine Materials Lab da Universidade de Amsterdã e primeiro autor do artigo, afirma que esse aprendizado confere aos metamateriais a capacidade de evoluir, sugerindo que as possibilidades da plataforma experimental são quase ilimitadas.

A tecnologia permitiu a investigação de respostas complexas, como estados múltiplos de estabilidade e mudanças não recíprocas, onde o caminho percorrido pelo material influencia o resultado final. O projeto aprimora pesquisas anteriores do Machine Materials Lab, que já haviam criado objetos capazes de rastejar ou rolar sem controle central, mas que ainda não possuíam a capacidade de memorizar novos comportamentos.

Atualmente, as aplicações permanecem no campo experimental, sem uso comercial imediato. A estrutura, que depende de atuação controlada e dobradiças motorizadas, serve como base para estudos em robótica flexível, dispositivos reconfiguráveis e sistemas mecânicos distribuídos. Os próximos passos da pesquisa incluem a investigação de comportamentos dependentes do tempo e a adaptação a cenários estocásticos, onde o aprendizado ocorreria de forma probabilística em ambientes com ruído e incerteza, visando aumentar a robustez do sistema em condições menos previsíveis.