Το AI θα μπορούσε να δώσει στους 3D εκτυπωτές νέες δυνατότητες

Οι οικικοί τρισδιάστατοι εκτυπωτές θα μπορούσαν να γίνουν πιο χρήσιμοι χάρη στην πρόοδο της τεχνητής νοημοσύνης (AI).

Οι ερευνητές χρησιμοποιούν μηχανική μάθηση για να κατασκευάσουν υλικά εκτύπωσης πιο δυνατά και πιο σκληρά, σύμφωνα με μια πρόσφατη έκδοση χαρτί.

Τα νέα υλικά θα μπορούσαν να έχουν εφαρμογές που κυμαίνονται από βιομηχανική έως χομπίστικη τρισδιάστατη εκτύπωση, όπως συσκευασία προσαρμοσμένη για συγκεκριμένα ηλεκτρονικά είδη, προσαρμοσμένο εξοπλισμό ατομικής προστασίας ή ακόμα και σχεδιαστή έπιπλα, Κιθ Α. καφέ, ένας καθηγητής μηχανικής στο Πανεπιστήμιο της Βοστώνης που ήταν μεταξύ των ερευνητών που διεξήγαγαν τη μελέτη, είπε στο Lifewire σε μια συνέντευξη μέσω email.

«Στόχος μας είναι να μάθουμε πώς να εκτυπώνουμε 3D μηχανικά εξαρτήματα υψηλής απόδοσης», πρόσθεσε. «Αυτές μπορούν να έχουν εφαρμογές που κυμαίνονται από βιομηχανική έως χομπίστα τρισδιάστατη εκτύπωση, όπως συσκευασία προσαρμοσμένο για συγκεκριμένα ηλεκτρονικά είδη, προσαρμοσμένο εξοπλισμό ατομικής προστασίας ή ακόμα και σχεδιαστή έπιπλα."

Εκτύπωση τίποτα;

Στο σύστημα που ανέπτυξε η ομάδα του Μπράουν, ένας αλγόριθμος εκτελεί το μεγαλύτερο μέρος της διαδικασίας ανακάλυψης για την εύρεση νέων υλικών εκτύπωσης.

«Η προσέγγισή μας είναι να συνδυάσουμε την αυτοματοποιημένη κατασκευή και τις δοκιμές με τη μηχανική εκμάθηση για να εντοπίζουμε γρήγορα και αποτελεσματικά εξαρτήματα υψηλής απόδοσης», είπε ο Μπράουν. «Στην ουσία, έχουμε ένα αυτόνομο ρομπότ που μελετά αυτά τα μηχανικά συστήματα υπό την επίβλεψή μας».

Ένας άνθρωπος επιλέγει μερικά συστατικά, εισάγει λεπτομέρειες για τη χημική τους σύνθεση στον αλγόριθμο και ορίζει τις μηχανικές ιδιότητες του νέου υλικού. Στη συνέχεια, ο αλγόριθμος αυξάνει ή μειώνει τις ποσότητες αυτών των συστατικών και ελέγχει πώς κάθε τύπος επηρεάζει τις ιδιότητες του υλικού προτού καταλήξει στον ιδανικό συνδυασμό.

Οι ερευνητές χρησιμοποίησαν το σύστημα για να βελτιώσουν ένα νέο μελάνι εκτύπωσης 3D που σκληραίνει όταν εκτίθεται στο υπεριώδες φως, σύμφωνα με το έγγραφο. Εντόπισαν έξι χημικές ουσίες για χρήση στις συνθέσεις και έθεσαν τον στόχο του αλγορίθμου να αποκαλύψει το υλικό με την καλύτερη απόδοση για σκληρότητα, ακαμψία και αντοχή.

Χωρίς την τεχνητή νοημοσύνη, η βελτιστοποίηση αυτών των τριών ιδιοτήτων θα ήταν δύσκολη, επειδή μπορούν να λειτουργήσουν σε πολλαπλούς σκοπούς. Για παράδειγμα, το ισχυρότερο υλικό μπορεί να μην είναι το πιο σκληρό.

"Η εξερεύνηση ωμής δύναμης μπορεί να επιτρέψει την εξερεύνηση περίπου 100 υλικών." Joshua Agar, ένας καθηγητής στο Πανεπιστήμιο Lehigh που χρησιμοποιεί μηχανική μάθηση για να ανακαλύψει νέα υλικά, είπε στο Lifewire σε μια συνέντευξη μέσω email. «Το AI και τα αυτοματοποιημένα πειράματα μπορούν να επιτρέψουν την αναζήτηση εκατομμυρίων δειγμάτων».

Ένας άνθρωπος χημικός τυπικά θα προσπαθούσε να μεγιστοποιήσει μια ιδιότητα τη φορά, με αποτέλεσμα πολλά πειράματα και πολλά απόβλητα. Αλλά το AI ήταν σε θέση να το κάνει πολύ πιο γρήγορα από έναν άνθρωπο.

"Η χρήση της τεχνητής νοημοσύνης στην τρισδιάστατη εκτύπωση επιτρέπει [να εκτελεί] εκατοντάδες επαναλήψεις με τα επιθυμητά χαρακτηριστικά στο ίδιο χρονικό πλαίσιο ενός χημικού που εκτελεί μία ή δύο." Αλέσιο Λορούσο, ο Διευθύνων Σύμβουλος της Roboze, μιας εταιρείας που χρησιμοποιεί τεχνητή νοημοσύνη για την ανάπτυξη υλικών, είπε στο Lifewire σε μια συνέντευξη μέσω email. Δεν συμμετείχε στην έρευνα του MIT. "Πρόκειται προφανώς για μια αξιοσημείωτη τεχνολογία μείωσης χρόνου και κόστους."

Το μέλλον μπορεί να τυπωθεί

Η διαδικασία ανακάλυψης των υλικών εκτύπωσης θα μπορούσε να γίνει ακόμα πιο γρήγορα με περισσότερο αυτοματισμό, Mike Foshey, ένας καθηγητής του MIT και συν-επικεφαλής συγγραφέας της εργασίας, δήλωσε σε ένα δελτίο τύπου. Οι ερευνητές ανέμιξαν και δοκίμασαν κάθε δείγμα με το χέρι, αλλά τα ρομπότ θα μπορούσαν να λειτουργήσουν τα συστήματα διανομής και ανάμειξης σε μελλοντικές εκδόσεις του συστήματος.

Τελικά, οι ερευνητές σχεδιάζουν να δοκιμάσουν τη διαδικασία AI για χρήσεις πέρα ​​από την ανάπτυξη νέων μελανιών τρισδιάστατης εκτύπωσης.

"Αυτό έχει ευρείες εφαρμογές στην επιστήμη των υλικών γενικά", είπε ο Foshey. «Για παράδειγμα, αν θέλατε να σχεδιάσετε νέους τύπους μπαταριών με υψηλότερη απόδοση και χαμηλότερο κόστος, θα μπορούσατε να χρησιμοποιήσετε ένα σύστημα όπως αυτό για να το κάνετε. Ή, αν θέλετε να βελτιστοποιήσετε τη βαφή για ένα αυτοκίνητο που έχει καλή απόδοση και είναι φιλικό προς το περιβάλλον, αυτό το σύστημα θα μπορούσε να το κάνει επίσης."

Οι δυνατότητες για υλικά που βασίζονται στην τεχνητή νοημοσύνη είναι "ατελείωτες" μόλις αναπτυχθεί ο αλγόριθμος και το μηχάνημα έχει αρκετά δεδομένα για να αρχίσει να το εφαρμόζει με ακρίβεια, είπε ο Lorusso.

«Πιστεύουμε ότι είναι χρήσιμο να βρίσκουμε νέα υλικά γιατί οι επιδόσεις που επιτυγχάνονται σήμερα από τα σούπερ πολυμερή και τα σύνθετα υλικά προσφέρουν τη δυνατότητα παραγωγής εξαρτημάτων τελικής χρήσης», πρόσθεσε. «Θα μπορούσαν να αντικαταστήσουν τα μέταλλα και να δημιουργήσουν ένα μοντέλο κυκλικής οικονομίας, όπου η πρώτη ύλη συνεχίζει να αναγεννάται μόνη της μέσω συνεχούς ανακύκλωσης».