Le matériau révèle ses secrets ✎ express

Original: "Inelastic Constitutive Kolmogorov-Arnold Networks: A generalized framework for automated discovery of interpretable inelastic material models"
arXiv:2602.17750 · 2026-02-19 · arXiv non-exclusive · analyse indépendante · 1 min
Un réseau de neurones apprend à déduire les formules qui décrivent l'étirement et la compression des matériaux.

📄 Version "Simple" affichee, "Avancé" n est pas encore prete. Ajoutez-le aux favoris pour aider a la prioriser.

Un matériau, c'est un peu comme une personne : si on le tire longtemps, il s'en souvient et se comporte différemment. Pendant des années, les ingénieurs ont cherché des formules pour décrire cette mémoire. Désormais, un réseau de neurones s'en charge tout seul.

La nouvelle architecture iCKAN prend les données d'essais et les transforme en équations. Elle ne voit pas seulement l'élasticité, mais aussi la viscosité — la façon dont le matériau s'écoule sous la contrainte. La méthode a été validée sur des données synthétiques et sur un polymère réel, le VHB 4910. Les résultats concordent avec les mesures en laboratoire.

Le polymère VHB 4910 est un ruban adhésif utilisé en robotique molle. Il s'étire plusieurs fois sa longueur et revient lentement à sa forme initiale.

La grande force d'iCKAN, c'est qu'elle ne se contente pas de prédire des chiffres : elle fournit des formules. C'est comme si un toiseur inventait lui-même la règle : « taille = âge × nutrition ». Les formules peuvent être lues et vérifiées.

À l'avenir, la méthode ne servira pas seulement en mécanique. Si on ajoute des données sur la température ou l'humidité, le réseau de neurones trouvera comment ces conditions modifient les propriétés du matériau. C'est un pas vers des matériaux conçus sur ordinateur plutôt que choisis à la main.

Le polymère VHB 4910 est si collant qu'il est utilisé comme ruban adhésif double face dans l'industrie.

Scientifiques
Erwin SchrödingerHugh Everett IIIEmmy NoetherSatyendra Nath BoseAlbert EinsteinWolfgang Pauli
Notions
matériaux par apprentissage automatique réseaux de neurones évidentiels réseaux de neurones convolutifs autoencodeur filtre de kalman prédiction des propriétés moléculaires réseau neuronal de graphe processus stochastiques grands modèles de langage