← Derniers articles
📄 chemistry

A mechanically embodied, double-network hydrogel adaptive memory element for reprogrammable actuation

Cet article présente un actionneur hydrogel à double réseau piloté par la lumière qui intègre une flexion photothermique rapide à une mémoire mécanique optiquement réécrivable et non volatile, permettant une actuation douce reprogrammable et dépendante de l'historique grâce au couplage des échelles de temps de relaxation thermique et viscoélastique.

Auteurs originaux : Rafael Moreno Tortolero, Jack Stoney, Ted Garry, Rohit Varshney, Charles de Kergariou, James Armstrong, Sean Davis, Fabrizio Scarpa, Adam Perriman

Publié 2026-08-27
📖 6 min de lecture🧠 Analyse approfondie

Auteurs originaux : Rafael Moreno Tortolero, Jack Stoney, Ted Garry, Rohit Varshney, Charles de Kergariou, James Armstrong, Sean Davis, Fabrizio Scarpa, Adam Perriman

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Les êtres vivants ne se contentent pas de réagir au monde ; ils s'en souviennent. Un muscle qui a été exercé répond différemment à une nouvelle charge qu'un muscle qui s'est reposé, et un système nerveux apprend en modifiant la façon dont il traite les signaux futurs sur la base de l'expérience passée. Cette capacité à stocker un état interne qui modifie le comportement d'un matériau est une caractéristique de la biologie, pourtant la plupart des machines fabriquées par l'homme en sont dépourvues. Un bras robotique synthétique, par exemple, est construit avec un ensemble fixe d'instructions : appuyez sur un bouton, et il se déplace sur une distance spécifique. Il n'apprend pas du mouvement, et il ne change pas son comportement en fonction du nombre de fois où il s'est déplacé auparavant. Les scientifiques cherchent depuis longtemps à intégrer une « intelligence physique » dans les matériaux mous, créant des dispositifs capables de détecter, décider et agir sans ordinateur central. Le défi a été de faire en sorte que ces matériaux se souviennent de leur histoire non pas comme d'un écho temporaire, mais comme d'un état stable et réécrivable qui peut être délibérément modifié, tout comme on écrit et efface une note sur une feuille de papier.

Des chercheurs de l'Université de Bristol et de l'Université nationale australienne ont développé un matériau mou à base d'eau qui parvient à ce type de mémoire mécanique. Ils ont créé un actionneur hydrogel, une petite tige faite d'une substance gélatineuse qui se courbe lorsqu'elle est exposée à la lumière. Ce qui rend ce matériau unique, c'est qu'il combine deux comportements différents dans une seule structure. Une partie du gel réagit instantanément à la lumière, se courbant rapidement puis revenant lentement à sa forme originale, un peu comme un ressort qui perdrait sa tension au fil du temps. L'autre partie du gel garde la mémoire de la lumière qu'elle a reçue, modifiant sa rigidité interne de manière durable pendant plusieurs jours. En reliant ces deux parties, les chercheurs ont construit un dispositif qui peut être entraîné pour se courber plus ou moins que d'habitude, puis réentraîné pour revenir à son comportement original, tout en restant humide et flexible.

Le matériau est constitué de deux réseaux de molécules entrelacés. Le premier réseau contient des nanoparticules d'or et un polymère sensible à la température. Lorsqu'un laser éclaire cette partie du gel, les particules d'or chauffent, provoquant la contraction du polymère et la courbure de la tige. Cette réaction est rapide et réversible ; une fois la lumière éteinte, le gel refroidit et se détend lentement pour reprendre sa forme droite. Si les impulsions sont répétées de manière rapprochée avec de longues pauses entre elles, le gel retrouve sa position de départ à chaque fois. Cependant, si les impulsions arrivent rapidement, le gel n'a pas le temps de se relâcher complètement, et la courbure s'accumule légèrement. Ce comportement est connu sous le nom d'« intégrateur fuyant », où le matériau se souvient brièvement des événements récents mais finit par les oublier à mesure que la chaleur se dissipe et que l'eau à l'intérieur du gel se redistribue.

Pour donner au gel une mémoire permanente, les chercheurs ont ajouté un second réseau contenant une molécule spéciale appelée azobenzène. Cette molécule peut basculer entre deux formes différentes, ou isomères, selon la couleur de la lumière qu'elle reçoit. Une forme est stable et rigide, tandis que l'autre est moins stable et plus molle. Crucialement, une fois que la molécule bascule vers la forme rigide, elle y reste pendant très longtemps, à moins d'être frappée par une couleur de lumière spécifique pour la faire basculer à nouveau. Lorsque les chercheurs ont construit leur gel à double réseau, ils ont constaté que la rigidité de la charnière où la tige se courbe dépendait de la forme dans laquelle se trouvaient les molécules d'azobenzène. Si les molécules étaient dans la forme rigide, le gel se courbait plus brusquement lorsqu'il était frappé par le laser. S'ils étaient dans la forme molle, le gel se courbait moins.

L'équipe a démontré qu'elle pouvait utiliser la lumière pour « écrire » un nouveau comportement dans le gel. En projetant un laser bleu sur la charnière d'un gel qui était initialement dans un état mou, ils ont forcé les molécules à passer à l'état rigide. Après cet entraînement, le gel se courbait de manière significative lors d'un test avec une impulsion laser standard, même si l'impulsion de test était identique à celles utilisées précédemment. Cette augmentation de la courbure n'était pas un effet temporaire ; elle persistait pendant des jours. Les chercheurs ont ensuite montré que cette mémoire pouvait être effacée. En projetant un laser vert sur la chardière pendant une heure, ils ont fait basculer les molécules vers leur état mou, et le gel est revenu à son comportement original, moins réactif. Ils ont ensuite pu réécrire l'état rigide, prouvant que le matériau pouvait être reprogrammé de manière répétée sans se dégrader ou nécessiter de séchage.

Ce travail écarte l'idée que le changement de comportement ait été causé par une simple fatigue ou un dommage au matériau. Le gel ne s'est pas contenté de se fatiguer et de cesser de se courber ; il a activement changé la façon dont il répondait à la même entrée. Cela a également montré que la mémoire n'était pas simplement une forme fixe maintenue par le séchage, comme on le voit dans certains autres matériaux à « mémoire de forme ». Au contraire, la mémoire était stockée dans l'état chimique des molécules elles-mêmes, ce qui modifiait les propriétés mécaniques du gel humide pendant son fonctionnement. Les chercheurs ont constaté que l'effet était asymétrique : le passage des molécules à l'état rigide augmentait la courbure, mais le passage inverse ne la diminuait pas de manière parfaitement symétrique. Cela suggère que le changement de rigidité modifie la façon dont la force est transférée à travers l'épaisseur du gel, créant une réponse non linéaire qui dépend de l'histoire du matériau.

La portée de cette découverte réside dans la façon dont elle change notre conception des machines molles. Au lieu de construire un robot qui repose sur des capteurs externes et des ordinateurs pour décider de son mouvement, ce matériau intègre le processus de décision au sein de sa propre structure. Il peut apprendre par l'action, en ajustant sa réponse en fonction de ce qu'il a expérimenté, et peut ensuite désapprendre ce comportement lorsque la situation change. Les chercheurs décrivent cela comme un système « memristif », un terme emprunté à l'électronique pour décrire un composant dont la résistance dépend de son histoire. Dans ce cas, la résistance mécanique du gel change en fonction de la lumière qu'il a absorbée. En couplant un système réactif rapide à un système lent et persistant, l'équipe a créé un matériau capable de stocker de l'information et d'utiliser celle-ci pour modifier ses actions futures. Cette approche offre une nouvelle voie vers des machines molles adaptatives capables d'opérer dans des environnements imprévisibles, apprenant de leurs interactions et adaptant leur comportement sans avoir besoin de systèmes de contrôle externes complexes.

Noyé(e) sous les articles dans votre domaine ?

Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.

Essayer Digest →