AI gali suteikti 3D spausdintuvams naujų galimybių
Key Takeaways
- Jūsų 3D spausdintuvas galų gale gali pagaminti tvirtesnes medžiagas dėl AI atliekamų tyrimų pažangos.
- MIT mokslininkai sukūrė algoritmą, kuris atlieka didžiąją dalį medžiagų atradimo proceso.
- Komanda naudojo sistemą, kad patobulintų naują 3D spausdinimo rašalą, kuris sukietėja veikiamas ultravioletinių spindulių.
„Cavan Images“ / „Getty Images“.
Namų 3D spausdintuvai gali tapti naudingesni dėl dirbtinio intelekto (AI) pažangos.
Tyrėjai naudoja mašininį mokymąsi, kad sukurtų tvirtesnes ir kietesnes spausdinimo medžiagas, teigiama neseniai paskelbtame leidinyje popierius.
Naujos medžiagos gali būti pritaikytos nuo pramoninio iki mėgėjiško 3D spausdinimo, pvz pakuotės, pritaikytos konkrečiai elektronikai, pritaikytoms asmeninėms apsaugos priemonėms ar net dizaineriui baldai, Keithas A. Ruda, Bostono universiteto inžinerijos profesorius, kuris buvo vienas iš tyrimą atlikusių tyrėjų, sakė Lifewire interviu el. paštu.
„Mūsų tikslas yra išmokti 3D spausdinti didelio našumo mechaninius komponentus“, – pridūrė jis. „Jie gali turėti taikomųjų programų nuo pramoninio iki mėgėjiško 3D spausdinimo, pavyzdžiui, pakavimo pritaikyti konkrečiai elektronikai, pritaikytoms asmeninėms apsaugos priemonėms ar net dizaineriui baldai“.
Ką nors spausdinti?
Sistemoje, kurią sukūrė Browno komanda, algoritmas atlieka didžiąją dalį atradimo proceso, kad surastų naujas spausdinimo medžiagas.
„Mūsų požiūris yra sujungti automatizuotą gamybą ir testavimą su mašininiu mokymusi, kad būtų galima greitai ir efektyviai nustatyti didelio našumo komponentus“, - sakė Brownas. „Iš esmės mes turime autonominį robotą, kuris mūsų prižiūrimas tiria šias mechanines sistemas.
„Jei norite sukurti naujų tipų baterijas, kurios būtų efektyvesnės ir mažesnės, galite naudoti tokią sistemą.
Žmogus pasirenka keletą ingredientų, į algoritmą įveda išsamią informaciją apie jų cheminę sudėtį ir apibrėžia naujos medžiagos mechanines savybes. Tada algoritmas padidina arba sumažina tų komponentų kiekius ir patikrina, kaip kiekviena formulė veikia medžiagos savybes, prieš nustatydamas idealų derinį.
Tyrėjai naudojo sistemą, kad patobulintų naują 3D spausdinimo rašalą, kuris sukietėja veikiamas ultravioletinių spindulių, teigiama straipsnyje. Jie nustatė šešias chemines medžiagas, kurios bus naudojamos kompozicijose, ir nustatė algoritmo tikslą – atskleisti geriausią kietumo, standumo ir stiprumo medžiagą.
Be AI optimizuoti šias tris savybes būtų sudėtinga, nes jos gali veikti įvairiais tikslais. Pavyzdžiui, stipriausia medžiaga gali būti ne pati kiečiausia.
„Žvalios jėgos tyrinėjimas gali leisti ištirti apie 100 medžiagų“, Joshua Agaras, Lehigh universiteto profesorius, kuris naudoja mašininį mokymąsi naujoms medžiagoms atrasti, sakė Lifewire interviu el. paštu. "AI ir automatizuoti eksperimentai gali leisti ieškoti milijonų pavyzdžių."
Žmogaus chemikas paprastai stengtųsi maksimaliai išnaudoti vieną savybę vienu metu, todėl atlieka daug eksperimentų ir daug atliekų. Tačiau AI sugebėjo tai padaryti daug greičiau nei žmogus.
„Naudojant dirbtinį intelektą 3D spausdinimui, jis gali atlikti šimtus pakartojimų su norimomis savybėmis per tą patį laikotarpį, kai chemikas atlieka vieną ar du veiksmus. Alessio Lorusso, „Lifewire“ interviu el. paštu sakė bendrovės „Roboze“, įmonės, kuri naudoja dirbtinį intelektą medžiagoms kurti, generalinis direktorius. Jis nedalyvavo MIT tyrime. "Akivaizdu, kad tai yra nepaprasta laiko ir sąnaudų mažinimo technologija."
Sunwoo Jung / Getty Images
Ateitis gali būti išspausdinta
Spausdinimo medžiagų atradimo procesas galėtų būti dar greitesnis naudojant daugiau automatizavimo, Mike'as FosheyMIT profesorius ir vienas iš šio straipsnio autorių, sakė pranešime spaudai. Tyrėjai maišė ir išbandė kiekvieną mėginį rankomis, tačiau būsimose sistemos versijose robotai galėtų valdyti dozavimo ir maišymo sistemas.
Galų gale mokslininkai planuoja išbandyti AI procesą ne tik naujų 3D spausdinimo dažų kūrimui.
„Tai plačiai taikoma medžiagų moksle apskritai“, - sakė Foshey. "Pavyzdžiui, jei norėtumėte sukurti naujų tipų baterijas, kurios būtų efektyvesnės ir mažesnės, galite naudoti tokią sistemą. Arba, jei norite optimizuoti dažus gerai veikiančiam ir aplinkai nekenksmingam automobiliui, ši sistema taip pat galėtų tai padaryti.
AI valdomų medžiagų galimybės yra „begalinės“, kai algoritmas yra sukurtas ir mašina turi pakankamai duomenų, kad būtų galima tiksliai jį taikyti, sakė Lorusso.
„Manome, kad naudinga rasti naujų medžiagų, nes šiandien super polimerų ir kompozitų rezultatai suteikia galimybę gaminti galutinio naudojimo dalis“, – pridūrė jis. „Jie galėtų pakeisti metalus ir sukurti žiedinės ekonomikos modelį, kai žaliava ir toliau atsinaujina nuolat perdirbdama“.