新型超材料无需中央大脑即可学会改变形状、适应环境并移动，模拟生命系统特征。

阿姆斯特丹大学的研究人员开发出一类新型超材料，能够在没有中央控制器的情况下学会改变形状、调整行为，甚至自主移动。与传统材料在外力作用下产生固定反应不同，这些工程系统的行为更接近生命物质。它们能根据过往相互作用调整反应方式，从而完成通常需要编程机器人才能执行的任务。

该材料由一系列相同的电动铰链通过弹性结构连接而成。每个铰链都内置微控制器，可追踪自身运动状态、存储历史数据并与相邻单元通信。这种分布式架构使材料能够通过局部协同控制整体行为，而非依赖单一控制系统。随着时间推移，该结构通过调整每个铰链的运动和相互作用方式，逐步习得对输入信号的响应模式。

材料的学习与适应机制

超材料通过重复交互完成训练。研究人员弯曲特定铰链作为输入信号，同时引导其他铰链进入目标形态。每次训练周期中，系统都会更新各铰链施加的作用力。最终，材料学会在感知到相同输入信号时，自主复现训练目标形态。它既能遗忘旧形态学习新配置，也可存储多种形态并随时切换。

"研究中最为振奋人心的发现是，学习能力赋予超材料进化特性——系统一旦开始学习，其演化方向便呈现近乎无限的可能性。"论文作者杜尧表示。这种无需中央控制的自主行为进化能力，标志着材料研究从可编程物质向实时自适应系统的跨越。该体系还揭示了：即使由简单组件协同工作，也可能涌现出智能，而非依赖复杂的中央处理。

无脑系统的智能涌现

此类材料可完成抓取物体或表面移动等类似简单生命体的任务。早期同类系统虽能运动，却缺乏学习适应能力。

各铰链基于局部信息施加扭矩，动态调整刚度和预设位置，使整条链能根据环境变化进行动态重组。研究人员表示，下一步将突破静态形态限制，实现随时间变化的行为模式，例如在爬行与滚动运动模式间切换。"未来我们将致力于实现时间依赖性行为的学习，而非仅改变静态形态。"杜尧补充道。研究团队还计划探索系统在不确定环境中的表现，即在存在噪声干扰的条件下进行学习，使反应机制呈现概率性特征。

这项研究反映了学界对融合物理结构与自适应智能材料日益增长的兴趣，可能为机器人技术、软体机械和响应系统开辟新路径。

相关研究已发表于《自然·物理学》期刊。