Programmable Materials

Project by Skylar Tibbits for MIT’s Self-Assembly Lab explores materials that can alter their shape under certain conditions, from carbon fiber and fabric to woodgrain:

Programmable Materials consist of material compositions that are designed to become highly dynamic in form and function, yet they are as cost-effective as traditional materials, easily fabricated and capable of flat-pack shipping and self-assembly.  These new materials include: self-transforming carbon fiber, printed wood grain, custom textile composites and other rubbers/plastics, which offer unprecedented capabilities including programmable actuation, sensing and self-transformation, from a simple material.

Nearly every industry has long desired smarter materials and robotic-like transformation from apparel, architecture, product design and manufacturing to aerospace and automotive industries. However, these capabilities have often required expensive, error-prone and complex electromechanical devices (motors, sensors, electronics), bulky components, power consumption (batteries or electricity) and difficult assembly processes. These constraints have made it difficult to efficiently produce dynamic systems, higher-performing machines and more adaptive products, until now. Our goal is true material robotics or robots without robots.

A couple of examples - here is a proof-of-concept adaptive airfoil which does not require any additional mechanical parts:

Here is a proof of concept demonstration of ‘programmable wood’:

More about this project can be found here

  • 生態学的なシミュレーションモデルの結果を解析するために統計的な手法を用いるというのは非常によく観られる光景だ。
  • たとえばパラメータ値、あるいはモデルの関数形(線形から二次へなど)を変更した時に、その結果がどう変わるかを調べるためにANOVA(分散分析)を用いることもあるだろう。
  • 我々の考えでは、シミュレーションモデルの結果に有意性検定(以下、検定と呼ぶ)を行なうのは、統計理論の誤用だ。
  • そうではなくて、シミュレーション間の差異の度合(効果量)に注目することを推奨する;それと同時に、検定が適切であり得る場合ーーーというのが存在するならば、の話だがーーーに関する議論を展開する。

この”discussion regarding when – if ever – statistical significance tests could be appropriate”の、”if ever”に、著者らの並々ならぬアンチ頻度主義的なスタンスが看取されて興味深い。 * 検定に対して過度な強調を置くことの危険性は、生態学ではよく知られているものだ。 * P 値というのは効果量や検出力を以て初めて意義があるものであり、生物学的な重要性を必ずしも示唆はしない、ただの閾値であることは繰り返し注意喚起されている。 * それに加え、シミュレーションモデルの結果を検定することには2つほど問題がある:1つ目は検出力。検出力というのは反復によって決まる量であるのだから、サンプルサイズ、すなわちシミュレーションを回す回数によって決まる。2つ目は、帰無仮説の設定。通常の仮説検定においては、帰無仮説が「真」かどうかを知らない。しかしシミュレーションモデルでは、少なくともプログラマーはパラメータ*3を知っているのだから、「パラメータや関数を変更した場合に生ずる差異に統計的な意味がない、という命題が偽であるとア・プリオリに判っているような帰無仮説」を検証する価値はない。