人工智能，更具體地說是機器學習，正在通過增材制造行業(yè)的各種應用找到自己的出路。這一次，麻省理工學院的研究人員應用機器學習的數(shù)據(jù)驅動特性來自動化發(fā)現(xiàn)新3D打印材料的過程。通過機器學習，材料性能因素（例如韌性和抗壓強度）使用一種算法進行了優(yōu)化，該算法的性能迅速優(yōu)于3D打印材料配方的傳統(tǒng)方法。作為這項研究的結果，研究人員創(chuàng)建了一個名為 AutoOED 的免費開源材料優(yōu)化平臺，允許其他研究人員進行自己的材料優(yōu)化。
麻省理工學院使用人工智能自動化 3D打印材料發(fā)現(xiàn)過程
該算法能夠提出人類可能沒有考慮過的新化學配方。“材料開發(fā)在很大程度上仍然是一個手動過程。化學家進入實驗室，手工混合成分，制作樣品，測試它們，并得出最終配方。但不是讓化學家只能在幾天內進行幾次迭代，我們的系統(tǒng)可以在同一時間跨度內進行數(shù)百次迭代， ”該論文和機械工程師和項目的共同主要作者 Mike Foshey 解釋說。計算機科學與人工智能實驗室 (CSAIL) 計算設計與制造組 (CDFG) 經(jīng)理。
麻省理工學院使用人工智能自動化 3D打印材料發(fā)現(xiàn)過程
3D打印材料
 
確定了在配方中使用的六種化學品，然后算法的目標是發(fā)現(xiàn)性能最好的材料，控制韌性、剛度和強度。在材料發(fā)現(xiàn)過程的自動化方面，使用麻省理工學院的這種方法，可以在沒有人工輸入的情況下完成分配、混合、3D 打印、后處理和測試步驟。然而，在樣品制造管道的不同步驟之間轉移材料需要人工——不過，F(xiàn)oshey 認為機器人可以納入該系統(tǒng)的未來版本中以消除人工。在測試了 120 種配方后，該研究產(chǎn)生了 12 種優(yōu)化配方——研究人員得出結論，他們的研究方法可以推廣到其他材料設計系統(tǒng)中，從而在其他材料科學中實現(xiàn)自動化發(fā)現(xiàn)。