Naukowcy przełamali tradycyjny proces projektowania kirigami, używając uczenia przez wzmacnianie do automatycznego wyliczania optymalnych wzorów cięć na podstawie pożądanych właściwości materiału. Zamiast klasycznego podejścia, gdzie inżynier wymyśla wzór, a potem sprawdza jego zachowanie, system AI pracuje odwrotnie - zaczynając od celu (na przykład określonej elastyczności czy wytrzymałości), algorytm самостійно odkrywa, jakie cięcia są potrzebne. Prototypy są następnie wycinane laserem, co eliminuje ręczną pracę i przyspieszа eksperymentowanie. To połączenie japońskiej sztuki cięcia papieru z nowoczesnym machine learningiem otwiera nowe możliwości w projektowaniu materiałów.
Kirigami - technika wycinania papieru z elementami składania - od lat fascynuje inżynierów jako inspiracja dla struktur o niezwykłych właściwościach mechanicznych. Elastyczne, lekkie struktury wykonane tym sposobem znajdują zastosowanie w robotyce, medycynie czy aeronautyce. Problem polegał jednak na tym, że znalezienie dobrego wzoru cięć wymagało wielu prób i błędów, a każdy prototyp trzeba było wycinać ręcznie. Nowe podejście z użyciem reinforcement learning zmienia grę - system może przeanalizować ogromną liczbę możliwych kombinacji i wskazać najbardziej obiecujące rozwiązania w ułamku czasu potrzebnego człowiekowi.
Praktyczne znaczenie tego badania wykracza daleko poza papier. Badacze pokazują, jak AI może automatyzować nie tylko projektowanie, ale całą łańcuch produkcji - od koncepcji przez optymalizację do realizacji laserem. Taki proces przyspieszenia iteracji twórczych może być wartościowy dla branż pracujących z metamateriałami czy strukturami bioinspirowanymi, gdzie przestrzeń możliwych rozwiązań jest ogromna, a każde odkrycie zajmuje zazwyczaj miesiące pracy projektantów. To przykład, jak AI przestaje być tylko narzędziem do analizy danych, a staje się faktycznym partnerem w inżynieryjnym odkrywaniu nowych możliwości.