纵观人类历史，有许多纯粹的机械装置用于信息处理，著名的例子包括古希腊的安提凯特拉机械装置和查尔斯·巴贝奇的解析机器[1]。近年来，由于电子计算和信息处理在微型化和集成方面的巨大潜力，它们已经取代了机械计算装置。然而，在电力无法到达的恶劣环境、存在湿气或电磁干扰的情况下，不消耗电力的纯粹机械计算装置比电子计算装置更为可靠。在辐射严重干扰电力操作的极端环境中，电子计算可能会失效，但纯粹的机械计算仍能保持功能[2]。
物理神经网络有潜力比传统电子处理器更快、更节能地执行机器学习，并更广泛地赋予物理系统自动设计的物理能力[3]。物理神经网络可以实现神经网络的功能[[4], [5], [6], [7], [8], [9], [10], [11]]。机械系统已被用于计算[[12], [13], [14], [15], [16], [17], [18], [19], [20], [21], [22], [23], [24], [25], [26], [27], [28]]，包括逻辑门的实现、信号编码和数据存储。其中一些装置是可编程的，而其他装置则具有机械记忆能力。这些系统已在各种场景中得到应用，包括软体机器人的控制。许多学者最近开始研究机械神经网络，并取得了良好的成果[29]。由机械超材料构成的机械神经网络显示出巨大的潜力，因为它们具有快速响应等关键特性，这是机械神经网络的一个有前景的方向。双稳态超材料由于其独特的机械特性而越来越受到关注[[30], [31], [32], [33], [34], [35], [36], [37], [38], [39], [40], [41], [42], [43], [44], [45], [46], [47]]。它们的简单架构使得沿线性路径直接传递力成为可能[32,33]。最近，使用双稳态结构来模拟阶跃激活函数的方法出现了[48,49]，这对机械神经网络非常有益[50]。
本文提出了基于双稳态超材料和绳索的新型机械神经网络，实现了非电和多层连接，与传统设计不同。本研究采用双稳态超材料作为构建神经网络的主要机械组件。它们固有的状态切换行为能够产生类似阈值的机械响应，非常适合目标的多层全连接架构。与基于弹簧的元件不同，本文采用双稳态超材料作为构建机械神经网络的主要构建块来实现目标的多层全连接架构。这里的多层机械神经网络不需要使用弹簧，在空间位置上更加自由和紧凑，因为它不需要在一个方向上扩展。更重要的是，当实现多层神经网络时，机械神经网络表现出高度的空间适应性。正如最近的一篇综述所强调的那样[51]，“机械超材料计算的目的不是取代电子计算机，而是将它们集成到机械系统中，通过结构性能和材料属性实现机械功能，从而降低机械结构的复杂性并节省计算能力。”本文提出的机械神经网络非常适合集成到各种机械系统中。这是首次使用机械超材料和绳索的机械神经网络，为类脑计算开辟了一条新的物理实现途径。通过组装机械神经元，可以紧凑地实现机械反向传播神经网络（MBPNN）。
我们将本研究的机械神经网络与以往的研究进行了比较，结果如表1所示。本研究的机械神经网络之所以具有这样的优势，是因为它使用了绳索，这使其区别于以往的机械神经网络。
本文的后续部分组织如下：第2节介绍了所提出的机械神经网络的设计理念和工作原理。第3节详细阐述了机械神经网络的设计，并展示了其性能的验证结果。第4节提供了实验设置的详细信息。第5节对整篇论文进行了总结。
