Key takeaways
- Din 3D-printer kan muligvis i sidste ende producere stærkere materialer takket være fremskridt inden for AI-støttet forskning.
- MIT-forskere har udviklet en algoritme, der udfører det meste af materialeopdagelsesprocessen.
- Teamet brugte systemet til at forbedre en ny 3D-printblæk, der hærder, når den udsættes for ultraviolet lys.
Home 3D-printere kunne blive mere nyttige takket være fremskridt inden for kunstig intelligens (AI).
Forskere bruger maskinlæring til at lave udskrivningsmaterialer, der er stærkere og hårdere, ifølge et nyligt offentliggjort papir.
De nye materialer kunne have applikationer, der spænder fra industriel til hobby-3D-print, såsom emballage skræddersyet til specifik elektronik, tilpasset personligt beskyttelsesudstyr eller endda designermøbler, Keith A. Brown, en ingeniørprofessor ved Boston University, som var blandt forskerne, der udfører undersøgelsen, fort alte Lifewire i et e-mailinterview.
"Vores mål er at lære at 3D-printe højtydende mekaniske komponenter," tilføjede han. "Disse kan have applikationer, der spænder fra industriel til hobby-3D-print, såsom emballage, der er skræddersyet til specifik elektronik, tilpasset personligt beskyttelsesudstyr eller endda designermøbler."
Udskriv noget?
I det system, som Browns team udviklede, udfører en algoritme det meste af opdagelsesprocessen for at finde nyt trykmateriale.
"Vores tilgang er at kombinere automatiseret fremstilling og test med maskinlæring for hurtigt og effektivt at identificere højtydende komponenter," sagde Brown. "I bund og grund har vi en autonom robot, der studerer disse mekaniske systemer under vores opsyn."
Hvis du ville designe nye typer batterier, der var højere effektivitet og lavere omkostninger, kunne du bruge et system som dette til at gøre det.
Et menneske vælger nogle få ingredienser, indtaster detaljer om deres kemiske sammensætning i algoritmen og definerer det nye materiales mekaniske egenskaber. Algoritmen øger eller formindsker derefter mængden af disse komponenter og kontrollerer, hvordan hver formel påvirker materialets egenskaber, før den når frem til den ideelle kombination.
Forskerne brugte systemet til at forbedre en ny 3D-printblæk, der hærder, når den udsættes for ultraviolet lys, ifølge avisen. De identificerede seks kemikalier til brug i formuleringerne og satte algoritmens mål om at afdække det bedst ydende materiale for sejhed, stivhed og styrke.
Uden AI ville det være vanskeligt at optimere disse tre egenskaber, fordi de kan fungere på kryds og tværs. For eksempel er det stærkeste materiale muligvis ikke det stiveste.
"Brute force-udforskning kan tillade udforskning af omkring 100 materialer," fort alte Joshua Agar, en professor ved Lehigh University, som bruger maskinlæring til at opdage nye materialer, til Lifewire i et e-mailinterview. "AI og automatiserede eksperimenter kan gøre det muligt at søge i millioner af prøver."
En menneskelig kemiker vil typisk forsøge at maksimere én egenskab ad gangen, hvilket resulterer i mange eksperimenter og en masse spild. Men AI var i stand til at gøre det langt hurtigere end et menneske.
"Brug af AI i 3D-print giver [det mulighed for at udføre] hundredvis af gentagelser med de ønskede karakteristika i samme tidsramme som en kemiker, der udfører en eller to," Alessio Lorusso, administrerende direktør for Roboze, en virksomhed, der bruger AI til at udvikle materialer, fort alte Lifewire i et e-mailinterview. Han var ikke involveret i MIT-forskningen. "Dette er naturligvis en bemærkelsesværdig tids- og omkostningsbesparende teknologi."
Fremtiden kan blive trykt
Opdagelsesprocessen for udskrivning af materialer kunne gøres endnu hurtigere med mere automatisering, sagde Mike Foshey, en MIT-professor og medforfatter af papiret, i en pressemeddelelse. Forskere blandede og testede hver prøve i hånden, men robotter kunne betjene dispenserings- og blandesystemerne i fremtidige systemversioner.
Til sidst planlægger forskerne at teste AI-processen til andre formål end at udvikle nye 3D-printblæk.
"Dette har brede anvendelser på tværs af materialevidenskab generelt," sagde Foshey. "For eksempel, hvis du ville designe nye typer batterier, der var højere effektivitet og lavere omkostninger, kunne du bruge et system som dette til at gøre det. Eller hvis du ville optimere lakken til en bil, der fungerede godt og var miljøvenlig., dette system kunne også gøre det."
Mulighederne for AI-drevne materialer er "uendelige", når først algoritmen er udviklet, og maskinen har nok data til at begynde at anvende det præcist, sagde Lorusso.
"Vi mener, at det er nyttigt at finde nye materialer, fordi de præstationer, der opnås i dag af superpolymerer og kompositter, giver mulighed for at producere slutbrugsdele," tilføjede han. "De kunne erstatte metaller og skabe en cirkulær økonomimodel, hvor råmaterialet fortsætter med at regenerere sig selv gennem konstant genbrug."
