打過棒針嗎?你是否注意過,一塊平針織片擺在那裡,就是會自動往上捲,不管我們怎麼按、怎麼拉,它就是會捲起來!彷彿織片有自己的「脾氣」?
手編織課上,常常有學生問我:老師我的織片/作品這樣捲捲的怎麼辦?我也只能說,除了熨斗,沒有其他快速的方法!
有趣的是,最近的研究發現,平針織片會捲,並不是毛線的問題,而是針織布本身的「天性」。
最近,美國德瑞索大學與賓州大學的研究團隊,發表在《美國國家科學院院刊》(PNAS)的研究,揭開了這個日常現象背後的數學規律。他們發現,只要理解針目(下針與上針)的幾何特性,就能準確預測織片最後會怎麼折疊、捲曲,甚至可以設計出自我摺疊的紡織品。
針織的基本單位是「針目」。如果你從織片的正面看,一排排整齊的「V」字(我都說「辮子」),就是所謂的下針(knit);翻到背面,會看到一顆顆小凸起,那是上針(purl)。
這兩種針法其實是一體兩面,就像銅板的正反面。但當一整個織片都是同一方向的針目時,這些微小差異就會累積成一股「彎曲傾向」。
實驗顯示:
如果正面是下針,那麼織片上下邊會往前捲、左右邊往後捲。
如果正面是上針,織片的捲曲方向就會完全反過來。
為了解釋為什麼平針織片會這樣彎曲,研究團隊建立了一個數學模型。
他們把織片想像成一張「有彎曲慣性」的薄片。每一個針目交錯,就像在薄片上加了一點「想要彎曲」的力量;當這些力量全部疊加起來,就會讓織片自然形成特定的曲面。
他們用電腦軟體來模擬這個過程,然後再用針織機(為了降低變數,他們選擇了使用針織機而不是人工編織)打出來的織片來比較。
研究團隊用了「薄殼理論(Föppl–von Kármán energy)」,把布料看成一張可以拉伸、彎曲的彈性薄片。他們給每一個區塊一個「自然曲率」(κx, κy),代表這裡比較想往哪個方向捲。這樣做,最後就是把「上/下針法排列」轉換成一張「有自然彎曲傾向的薄片」,然後用能量最小化去算它最後會折成什麼樣子。
他們先把織片假設成平面,然後一步步增加「彎曲傾向」,看織片會怎麼「自己長」成三維形狀。每一個針目等於一個「小小的彎曲源」,每一針下針,會產生一組「往某方向彎」的力矩;而每一針上針也會產生一個力矩,其方向與下針的方向剛好相反。
最後,一整塊織片要怎麼彎,就是這些力矩的「總和」。
模型算出來的結果是怎樣的呢?
首先,他們計算平針織片(stockinette stitch):下針起針的平針織片與上針起針的平針織片的捲曲方向。
他們計算的結果發現,如果是下針起針的平針織片,則上下邊往前捲,左右邊往後捲。如果是上針起針的平針織片,捲曲的方向則完全相反。
這個計算的結果,和實際編織出來的織片一致。
接著,他們試著計算不同針法組合所產生的折痕與曲面。
他們發現,模型能預測某些圖案(例如「Miura-ori三浦摺疊(日語:ミウラ折り)」)最後會出現哪些直線狀的折痕。
但是,折痕的位置不一定出現在上下針交界,而是出現在數學計算出來最「省力」的地方。
最後,他們發現模型可以告訴我們織片最後會是「圓筒狀」「波浪狀」還是「幾乎平坦」。
雖然它無法精確算出每一針的細節,但能夠掌握織片「宏觀的形狀」。而且,電腦模擬出來的折疊紋路,和真實織片幾乎一模一樣。
總而言之,透過這個數學模型,研究團隊可以預測織片會怎麼折。而且他們發現:織片會怎麼折,與毛線材質無關,而是由上針/下針的排列來決定。
換句話說,有了這個軟體,只要寫好針法圖案,就能事先預測織片會折成什麼形狀。這意味著,這個軟體讓設計織片省事得多,不需要實際上打出一片片織片,可以先用軟體模擬。
你可能聽過「摺紙數學」:一張紙只要設計好折線,就能折成鳥、花或各種立體形狀。
針織雖然也會折,但它和摺紙不同。摺紙的折痕位置很清楚,通常就在兩種區塊的交界處。針織布的摺痕卻比較「任性」:上下針的交界處未必一定會成為折線,織片會自己找到最省能量的方式來彎曲。
這意味著,光看針法排列,我們不一定能猜到織片會怎麼捲。這就是為什麼,要發展一個新的編織圖案,往往曠日廢時:因為需要實際上動手做,然後再一次次地進行修改。但是,這個數學模型卻能幫我們算出答案。
也就是說,未來使用「Knitogami™」(研究團隊給軟體取的名字),無論是設計功能性布料或開發新的工藝美學產品,都可以變得更有效率。「Knitogami™」可以很方便的幫我們預測織片的形狀,不需要一再地人工試誤。
從這項研究我們瞭解到,科學不只存在於實驗室或顯微鏡、望遠鏡裡。我們每天穿的衣服,其實也有深刻的幾何學的原理在其中。每一個針目,都是一個小小的數學動作;當它們串在一起,就能讓一條紗線變成三維的世界。
參考文獻:
Niu, L., Dion, G., & Kamien, R. D. (2025). Geometric modeling of knitted fabrics. Proceedings of the National Academy of Sciences, 122(7), e2416536122. https://doi.org/10.1073/pnas.2416536122