Keeawayt
- 3D-tulostimesi saattaa kyetä lopulta tuottamaan vahvempia materiaaleja tekoälyavusteisen tutkimuksen edistymisen ansiosta.
- MIT-tutkijat ovat kehittäneet algoritmin, joka suorittaa suurimman osan materiaalin etsintäprosessista.
- Tiimi käytti järjestelmää parantaakseen uutta 3D-tulostusmustetta, joka kovettuu altistuessaan ultraviolettivalolle.
Kodin 3D-tulostimet voivat olla hyödyllisempiä tekoälyn (AI) kehityksen ansiosta.
Tutkijat käyttävät koneoppimista tehdäkseen painomateriaaleja, jotka ovat vahvempia ja sitkeämpiä, äskettäin julkaistun paperin mukaan.
Uusilla materiaaleilla voi olla sovelluksia, jotka vaihtelevat teollisesta harrastaja-3D-tulostukseen, kuten tietylle elektroniikalle räätälöidyt pakkaukset, räätälöidyt henkilösuojaimet tai jopa designhuonekalut, sanoo Bostonin yliopiston tekniikan professori Keith A. Brown. tutkimuksen suorittaneiden tutkijoiden joukossa, kertoi Lifewire sähköpostihaastattelussa.
"Tavoitteemme on oppia 3D-tulostamaan tehokkaita mekaanisia komponentteja", hän lisäsi. "Näillä voi olla sovelluksia, jotka vaihtelevat teollisesta harrastaja-3D-tulostukseen, kuten tietylle elektroniikalle räätälöidyt pakkaukset, räätälöidyt henkilösuojaimet tai jopa designhuonekalut."
Tulosta mitään?
Brownin tiimin kehittämässä järjestelmässä algoritmi suorittaa suurimman osan etsintäprosessista löytääkseen uusia painomateriaaleja.
"Meidän lähestymistapamme on yhdistää automatisoitu valmistus ja testaus koneoppimiseen tunnistaaksemme nopeasti ja tehokkaasti tehokkaita komponentteja", Brown sanoi. "Pohjimmiltaan meillä on itsenäinen robotti, joka tutkii näitä mekaanisia järjestelmiä valvonnassamme."
Jos halusit suunnitella uudentyyppisiä akkuja, jotka ovat tehokkaampia ja halvempia, voit käyttää tämän k altaista järjestelmää.
Ihminen valitsee muutaman ainesosan, syöttää niiden kemiallisen koostumuksen tiedot algoritmiin ja määrittelee uuden materiaalin mekaaniset ominaisuudet. Algoritmi lisää tai vähentää sitten näiden komponenttien määriä ja tarkistaa, miten kukin kaava vaikuttaa materiaalin ominaisuuksiin, ennen kuin se saavuttaa ihanteellisen yhdistelmän.
Tutkijat käyttivät järjestelmää parantaakseen uutta 3D-tulostusmustetta, joka kovettuu joutuessaan alttiiksi ultraviolettivalolle, paperin mukaan. He tunnistivat kuusi kemikaalia käytettäväksi formulaatioissa ja asettivat algoritmin tavoitteeksi löytää lujuuden, jäykkyyden ja lujuuden kann alta parhaiten suoriutuva materiaali.
Ilman tekoälyä näiden kolmen ominaisuuden optimointi olisi hankalaa, koska ne voivat toimia ristiin. Esimerkiksi vahvin materiaali ei välttämättä ole jäykin.
"Raakavoiman tutkiminen saattaa mahdollistaa noin 100 materiaalin tutkimisen", Lehighin yliopiston professori Joshua Agar, joka käyttää koneoppimista löytääkseen uusia materiaaleja, kertoi Lifewirelle sähköpostihaastattelussa. "Tekoäly ja automaattiset kokeet voivat mahdollistaa miljoonien näytteiden etsimisen."
Ihmiskemisti pyrkii yleensä maksimoimaan yhden ominaisuuden kerrallaan, mikä johtaa moniin kokeisiin ja paljon jätettä. Mutta tekoäly pystyi tekemään sen paljon nopeammin kuin ihminen.
"Tekoälyn käyttäminen 3D-tulostuksessa mahdollistaa satoja toistoja halutuilla ominaisuuksilla samassa ajassa, kun kemisti tekee yhden tai kaksi", Alessio Lorusso, Roboze-yhtiön toimitusjohtaja, joka käyttää tekoälyä kehittää materiaaleja, kertoi Lifewire sähköpostihaastattelussa. Hän ei ollut mukana MIT-tutkimuksessa. "Tämä on selvästikin merkittävää aikaa ja kustannuksia säästävää tekniikkaa."
Tulevaisuus voidaan painaa
Painomateriaalien etsintäprosessia voitaisiin nopeuttaa entistä nopeammin lisäämällä automaatiota, Mike Foshey, MIT-professori ja artikkelin toinen johtaja, sanoi lehdistötiedotteessa. Tutkijat sekoittivat ja testasivat jokaisen näytteen käsin, mutta robotit voisivat käyttää annostelu- ja sekoitusjärjestelmiä tulevissa järjestelmäversioissa.
Lopulta tutkijat aikovat testata tekoälyprosessia muihinkin tarkoituksiin kuin uusien 3D-tulostusmusteiden kehittämiseen.
"Tällä on laajoja sovelluksia materiaalitieteessä yleensä", Foshey sanoi. "Jos esimerkiksi halusit suunnitella uudentyyppisiä akkuja, jotka ovat tehokkaampia ja halvempia, voit käyttää tämän k altaista järjestelmää. Tai jos haluat optimoida maalin hyvin toimivalle ja ympäristöystävälliselle autolle., tämä järjestelmä voisi myös tehdä sen."
Tekoälyohjattujen materiaalien mahdollisuudet ovat "loputtomat", kun algoritmi on kehitetty ja koneella on tarpeeksi tietoa, jotta se voi alkaa soveltaa sitä tarkasti, Lorusso sanoi.
"Uskomme, että on hyödyllistä löytää uusia materiaaleja, koska superpolymeerien ja komposiittien nykyiset suorituskyvyt tarjoavat mahdollisuuden valmistaa loppukäyttöosia", hän lisäsi. "Ne voisivat korvata metalleja ja luoda kiertotalousmallin, jossa raaka-aine uusiutuu jatkuvasti jatkuvalla kierrätyksellä."
