Ingénierie inverse Jackson Pollock


Une machine peut-elle être entraînée à peindre comme Jackson Pollock ? Plus précisément, l’impression 3D peut-elle exploiter les techniques distinctives de Pollock pour imprimer rapidement et précisément des formes complexes ?

« Je voulais savoir si on pouvait reproduire Jackson Pollock et procéder à l’ingénierie inverse de ce qu’il avait fait », a déclaré L. Mahadevan, professeur Lola England de Valpine de mathématiques appliquées à la Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS). , et professeur de biologie organisationnelle et évolutive et de physique à la Faculté des arts et des sciences (FAS).

Mahadevan et son équipe ont combiné la physique et l’apprentissage automatique pour développer une nouvelle technique d’impression 3D capable de créer rapidement des motifs physiques complexes – notamment la reproduction d’un segment d’une peinture de Pollock – en exploitant la même instabilité naturelle des fluides que celle utilisée par Pollock dans son travail.

La recherche est publiée dans Matière molle.

L’impression 3D et 4D a révolutionné la fabrication, mais le processus est encore extrêmement lent.

Le problème, comme c’est généralement le cas, est la physique. Les encres liquides sont soumises aux règles de la dynamique des fluides, ce qui signifie que lorsqu’elles tombent d’une hauteur, elles deviennent instables, se plient et s’enroulent sur elles-mêmes. Vous pouvez observer cela à la maison en versant du miel sur un morceau de pain grillé.

Il y a plus de vingt ans, Mahadevan a fourni une explication physique simple de ce processus, puis a suggéré comment Pollock aurait pu utiliser intuitivement ces idées pour peindre à distance.

Aujourd’hui, la plupart des techniques d’impression 3D et 4D placent la buse d’impression à quelques millimètres de la surface, éliminant ainsi l’instabilité dynamique du flux liquide.

Mais Mahadevan a une devise : utiliser la physique au lieu de l’éviter.

« Nous voulions développer une technique capable de tirer parti des instabilités de pliage et d’enroulement, plutôt que de les éviter », a déclaré Gaurav Chaudhary, ancien chercheur postdoctoral à SEAS et premier auteur de l’article.

Pollock a composé ses célèbres peintures au goutte-à-goutte en plaçant une toile sur le sol et en y versant des gouttes, des gouttes et des éclaboussures de peinture par le haut. Pour un œil non averti, sa technique peut sembler aléatoire, mais Pollock a toujours affirmé qu’il avait un contrôle total sur le flux de la peinture.

Surnommé « action painting », Pollock a dessiné dans l’espace au-dessus de la toile, créant des formes dans l’air qui tombaient sur la toile en dessous.

« Si vous regardez les imprimantes 3D traditionnelles, vous leur fournissez un chemin allant du point A au point B et la buse dépose l’encre le long de ce chemin spécifié », a déclaré Chaudhary. « Mais l’approche de Pollock consistant à lancer de la peinture d’une hauteur signifiait que même si sa main se déplaçait selon une trajectoire spécifique, la peinture ne suivait pas cette trajectoire en raison de l’accélération due à la gravité. Un petit mouvement pouvait entraîner de grandes éclaboussures de peinture. Grâce à cette technique, vous pouvez imprimer des longueurs plus grandes que celles que vous pouvez déplacer, car vous bénéficiez de cette accélération libre grâce à la gravité.

La question était : comment le contrôler ?

Pour apprendre à manipuler la buse pour imprimer à distance et contrôler l’enroulement du fluide, Mahadevan et Chaudhary, ainsi que les co-auteurs Stephanie Christ, ancienne étudiante du Soft Math Lab de Mahadevan et A. John Hart, professeur de génie mécanique au MIT, a combiné la physique du bobinage avec l’apprentissage par renforcement profond, qui est une approche algorithmique pour améliorer les performances de manière itérative. Mahadevan et son équipe ont utilisé des techniques développées par Petros Koumoutsakos, Herbert S. Winokur, professeur Jr. d’informatique en sciences et en ingénierie à SEAS.

« Grâce à l’apprentissage par renforcement profond, le modèle peut apprendre de ses erreurs et devenir de plus en plus précis à chaque essai », a déclaré Chaudhary.

Grâce à cette technique, les chercheurs ont imprimé une série de formes complexes, peignant à la manière de Pollock et décorant même un biscuit avec du sirop de chocolat.

Les chercheurs ont utilisé des fluides simples pour cette recherche, mais l’approche pourrait être élargie pour inclure des fluides plus complexes, tels que des polymères liquides, des pâtes et divers types d’aliments.

« Exploiter les processus physiques pour obtenir des résultats fonctionnels est à la fois une caractéristique du comportement intelligent et au cœur de la conception technique. Ce petit exemple suggère, une fois de plus, que comprendre l’évolution du premier pourrait nous aider à être meilleurs dans le second », a déclaré Mahadevan. .

Alors que les recherches se poursuivent, on ne sait pas où Mahadevan pourrait ensuite chercher l’inspiration.

« Quand vous êtes dans le laboratoire de Maha, rien n’est exclu », a déclaré Chaudhary.

La recherche a été financée en partie par la National Science Foundation sous la subvention DMR-2011754 et la Fondation Simons.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

*