近日，西安交通大学航天航空学院教授刘益伦团队提出了一种可重编程数字智能超表面的系统性设计方法。该方法创新性地将“数字逻辑”嵌入物理结构的力学行为中，结合机器学习算法建立了数字编码与几何形态的确定性映射关系，成功实现了超材料在二维平面和多种自支撑复杂三维曲面之间的高保真、可逆重构。相关研究成果发表在《科学进展》上。

力学解耦实现独立形态控制。西安交通大学供图

从变体飞行器机翼到软体机器人，从可调谐光学器件到生物医学接口，能够动态调控表面形态以实现特定功能的“可编程物质”，始终是未来工程领域的核心追求。然而，无论是传统的冲压、增材制造，还是基于智能材料的连续形变，现有表面变形策略普遍面临离散构型有限、响应迟滞及多物理场强耦合等瓶颈，难以满足跨越多维度的复杂形态可逆切换的需求。过往基于多稳态结构的研究，常因单元间强烈的面内力学耦合导致“牵一发而动全身”，难以实现局部形貌的独立控制。

该研究的突破性在于构建了具有各向异性切换特性的双稳态单元。该单元仅在特定方向受力时发生突弹跳变，并在切换后具备状态“自锁”功能。这种机制不仅实现了局部曲率的高效重构，更确保了重构后的形态在外部载荷下不发生失稳，解决了传统多稳态材料在承载下形态失效的痛点。

团队引入基于条件生成对抗网络（cGAN）的机器学习框架，构建目标曲面与单元数字状态间的非线性映射模型。该框架打破了传统设计中材料、结构与驱动的强耦合限制，能够自动将输入的连续三维形貌逆向解析为离散的二进制控制序列。这一数字驱动的新范式，将复杂超表面的设计由繁冗的试错迭代转变为高效的“所想即所得”，打通了数字模型与物理实体间的转化壁垒。

研究不仅克服了可编程表面领域的核心挑战，更为“数字智能力学超材料”建立了一个可推广的通用平台。随着物理世界与数字世界的界限日益模糊，DMS有望成为构建未来自适应结构、智能机器人及可重构人机界面的基石。

相关论文信息：https://doi.org/10.1126/sciadv.aef3895