麻省理工学院使用人工智能自动化 3D打印材料发现过程

人工智能，更具体地说是机器学习，正在通过增材制造行业的各种应用找到自己的出路。这一次，麻省理工学院的研究人员应用机器学习的数据驱动特性来自动化发现新3D打印材料的过程。通过机器学习，材料性能因素（例如韧性和抗压强度）使用一种算法进行了优化，该算法的性能迅速优于3D打印材料配方的传统方法。作为这项研究的结果，研究人员创建了一个名为 AutoOED 的免费开源材料优化平台，允许其他研究人员进行自己的材料优化。
麻省理工学院使用人工智能自动化 3D打印材料发现过程
该算法能够提出人类可能没有考虑过的新化学配方。“材料开发在很大程度上仍然是一个手动过程。化学家进入实验室，手工混合成分，制作样品，测试它们，并得出最终配方。但不是让化学家只能在几天内进行几次迭代，我们的系统可以在同一时间跨度内进行数百次迭代， ”该论文和机械工程师和项目的共同主要作者 Mike Foshey 解释说。计算机科学与人工智能实验室 (CSAIL) 计算设计与制造组 (CDFG) 经理。
麻省理工学院使用人工智能自动化 3D打印材料发现过程
3D打印材料
 
确定了在配方中使用的六种化学品，然后算法的目标是发现性能最好的材料，控制韧性、刚度和强度。在材料发现过程的自动化方面，使用麻省理工学院的这种方法，可以在没有人工输入的情况下完成分配、混合、3D 打印、后处理和测试步骤。然而，在样品制造管道的不同步骤之间转移材料需要人工——不过，Foshey 认为机器人可以纳入该系统的未来版本中以消除人工。在测试了 120 种配方后，该研究产生了 12 种优化配方——研究人员得出结论，他们的研究方法可以推广到其他材料设计系统中，从而在其他材料科学中实现自动化发现。