Português 
Inglês 
Espanhol 
6 min de leitura 
1 comentário 
Estudo da Universidade de Amsterdã apresenta metamateriais treináveis que memorizam formas, ajustam respostas mecânicas e executam movimentos em laboratório, em uma pesquisa que aproxima ciência dos materiais, robótica flexível e aprendizado físico.
Pesquisadores da Universidade de Amsterdã desenvolveram metamateriais capazes de aprender mudanças de forma, memorizar respostas mecânicas e executar funções como agarrar objetos e se deslocar em ambiente experimental.
O estudo foi publicado em 7 de abril de 2026 na revista Nature Physics e descreve estruturas sintéticas em forma de cadeia, compostas por dobradiças motorizadas, que ajustam o próprio comportamento sem depender de um comando central único.
A pesquisa não afirma que o material esteja vivo.
-
Nvidia construiu a infraestrutura da inteligência artificial e virou a maior empresa do mundo, mas Jensen Huang agora precisa defender seu trono contra Huawei, TPUs do Google, startups de chips e clientes que querem escapar da dependência das GPUs mais caras
-
NASA flagra tufão Jangmi com olho gigante girando no espaço, ventos de 130 km/h e nuvens enormes avançando sobre o Japão em imagens que impressionam pela força da tempestade
-
Escondido sob a vegetação densa do México, assentamento maia revela 80 construções, mural colorido, praça monumental e estruturas de até 14 metros que podem ser apenas o começo de uma cidade ancestral ainda maior
-
Brasil tem 130 mil ônibus a diesel, mas elétricos ainda travam fora de São Paulo: frota cresce 170%, cidade concentra mais de 80% dos veículos e custo de até R$ 3 milhões expõe gargalo de financiamento e infraestrutura no transporte público brasileiro
A aproximação com sistemas biológicos aparece porque organismos simples e tecidos vivos podem se adaptar a estímulos, enquanto materiais fabricados pelo ser humano, em geral, têm respostas previamente definidas.
Segundo os autores do artigo, o experimento mostra uma estrutura artificial capaz de modificar sua resposta física depois de passar por treinamento.
O protótipo descrito pela equipe tem formato semelhante ao de uma cadeia flexível.
Cada unidade é ligada à seguinte por uma dobradiça motorizada, integrada a um microcontrolador.
Esse componente mede o ângulo de rotação, registra movimentos anteriores e troca informações com as unidades vizinhas.
Com base nesses dados, as dobradiças podem aplicar torque e alterar rigidez e posição preferencial, o que permite ao conjunto assumir novas configurações.
O ponto central do trabalho é o chamado aprendizado físico.
Em vez de treinar um software externo para comandar todas as peças, os pesquisadores fizeram o próprio material atualizar parâmetros internos.
Dessa forma, parte do processamento acontece na estrutura mecânica, por meio das interações entre sensores, motores, memória local e conexões entre as unidades.
Como o metamaterial aprende a mudar de forma
O treinamento ocorre por exemplos.
Primeiro, os pesquisadores impõem uma deformação de entrada em uma ou mais dobradiças.
Em seguida, conduzem as demais partes da cadeia até a configuração desejada e mantêm temporariamente essa forma.
Ao repetir o processo, os microcontroladores ajustam comandos locais até que o sistema passe a reproduzir a resposta esperada quando recebe o mesmo estímulo.
O método usado no estudo é descrito como aprendizado contrastivo.
Na prática, o material compara dois estados: um em que responde livremente ao estímulo e outro em que é levado à forma-alvo.
A diferença entre essas duas situações orienta os ajustes internos.
Com os ciclos de treinamento, chamados de épocas pelos autores, a cadeia reduz o erro e passa a chegar à configuração ensinada dentro das condições do experimento.
A demonstração vai além de uma memória mecânica simples.
De acordo com a publicação, os metamateriais podem esquecer formas antigas, aprender novas respostas em sequência e armazenar mais de uma mudança de forma ao mesmo tempo.
Em vídeos suplementares do artigo, os autores mostram estruturas treinadas para formar letras e palavras, como “LEARN”, em inglês, e “LEREN”, em holandês.
A autonomia descrita no estudo também é distribuída.
Não há um controlador central responsável por definir cada movimento da cadeia.
Cada dobradiça atua com base nas próprias medições, na memória local e nas informações recebidas das vizinhas.
Assim, o comportamento final surge da interação entre as partes, e não de uma ordem única enviada de fora.
Por que os pesquisadores falam em evolução do material
A palavra “evolução”, usada pela equipe, aparece no contexto do aprendizado do sistema.
O material não evolui como um organismo vivo nem passa por seleção natural.
O termo se refere à mudança progressiva do comportamento durante o treinamento, conforme os parâmetros internos são atualizados.
Yao Du, doutorando no Machine Materials Lab da Universidade de Amsterdã e primeiro autor do artigo, disse em comunicado da instituição que o aprendizado dá aos metamateriais a capacidade de evoluir.
Na mesma declaração, ele afirmou que as possibilidades sobre “onde o sistema pode chegar” parecem “quase ilimitadas”.
A fala expressa a avaliação do pesquisador sobre o alcance da plataforma experimental.
Do ponto de vista factual, o estudo apresenta materiais adaptativos treináveis, e não uma forma de vida artificial.
A diferença em relação a materiais convencionais está na capacidade de alterar a própria resposta depois de exemplos repetidos, em vez de apenas executar um comportamento fixado no momento do projeto.
Esse tipo de aprendizado permitiu à equipe investigar respostas mais complexas, como mudanças não recíprocas e estados múltiplos de estabilidade.
Em termos práticos, isso significa que o caminho seguido pelo material pode influenciar o resultado e que a estrutura pode alternar entre mais de uma configuração estável.
A partir desse comportamento, os autores demonstraram funções como agarrar objetos por reflexo e realizar locomoção sobre uma superfície.
O movimento descrito no estudo ocorre com dobradiças motorizadas e atuação controlada.
Portanto, não se trata de deslocamento sem energia ou de ação espontânea fora das condições de laboratório.
O resultado apontado pelos autores está na conversão de aprendizado de forma em função mecânica, uma característica que aproxima o experimento de pesquisas em robótica flexível e materiais adaptativos.
Metamateriais treináveis e robótica flexível
Metamateriais são estruturas projetadas para apresentar propriedades determinadas principalmente pela arquitetura interna, e não apenas pela composição química.
Essa área reúne pesquisas sobre materiais capazes de manipular ondas, absorver impactos, alterar rigidez ou responder a estímulos mecânicos de maneiras específicas.
O trabalho da Universidade de Amsterdã integra uma linha voltada a materiais capazes de aprender.
Segundo a própria instituição, pesquisas anteriores do Machine Materials Lab já haviam mostrado objetos sem controle central que podiam rolar, rastejar ou se mover por terrenos imprevisíveis.
Naquele caso, porém, os materiais não aprendiam nem memorizavam novos comportamentos.
A mudança apresentada agora está na incorporação de memória e treinamento ao material.
Enquanto um material tradicional responde a forças externas conforme suas propriedades físicas, e um robô costuma depender de controle eletrônico programado, o protótipo descrito no artigo ocupa uma posição intermediária.
A estrutura foi construída para que forma, memória e resposta mecânica atuem de maneira integrada.
Essa abordagem pode contribuir para pesquisas em robôs macios, dispositivos reconfiguráveis e sistemas mecânicos distribuídos.
As aplicações citadas pelos autores permanecem no campo científico e experimental, sem indicação de uso comercial imediato.
Por isso, qualquer projeção para setores como medicina, aeroespacial, construção civil ou defesa exige cautela e não pode ser tratada como aplicação já comprovada para este protótipo específico.
O que a tecnologia ainda precisa provar fora do laboratório
Os próximos passos apontados pela equipe envolvem comportamentos dependentes do tempo, e não apenas mudanças para formas estáticas.
De acordo com a Universidade de Amsterdã, os pesquisadores pretendem investigar metamateriais capazes de aprender diferentes modos de locomoção, como rastejar ou rolar, em resposta a estímulos ambientais.
Outra frente mencionada pelo grupo envolve cenários estocásticos, nos quais o aprendizado acontece em meio a ruído e incerteza.
Nesses casos, segundo a equipe, o sistema se adaptaria de forma probabilística, e não determinística.
A meta declarada é aumentar a robustez e a flexibilidade em ambientes complexos, onde os estímulos não se apresentam sempre de maneira previsível.
Ainda não há, no artigo ou no comunicado institucional, indicação de produto pronto para uso fora do laboratório.
Para que a tecnologia avance nesse sentido, seria necessário demonstrar funcionamento em escala, durabilidade, eficiência energética, segurança e desempenho em condições menos controladas.
Esses pontos não aparecem como resultados já resolvidos no estudo publicado.
A pesquisa, por enquanto, mostra uma plataforma experimental para investigar materiais que processam informações físicas por meio da própria estrutura.
Em vez de concentrar todo o controle em um computador externo, a cadeia usa deformações, torques e interações locais para ajustar seu comportamento.
Maravilha!!! Ensino, pesquisa e extensão são os motores de uma Universidade. Investimentos nesse segmento são indispensáveis para o progresso da ciência e da própria humanidade. Parabéns aos cientistas – pesquisadores da Universidade de Amesterdã!