AI kan 3D-printers nieuwe mogelijkheden geven

Thuis 3D-printers kunnen nuttiger worden dankzij de vooruitgang in kunstmatige intelligentie (AI).

Onderzoekers gebruiken machine learning om printmaterialen te maken die sterker en taaier zijn, volgens een recent gepubliceerde papier.

De nieuwe materialen kunnen toepassingen hebben die variëren van industrieel tot hobbyistisch 3D-printen, zoals: verpakkingen op maat voor specifieke elektronica, persoonlijke beschermingsmiddelen op maat of zelfs designer meubilair, Kees A. bruin, een technische professor aan de Boston University die een van de onderzoekers was die het onderzoek uitvoerden, vertelde Lifewire in een e-mailinterview.

"Ons doel is om te leren hoe we hoogwaardige mechanische componenten in 3D kunnen printen", voegde hij eraan toe. "Deze kunnen toepassingen hebben die variëren van industrieel tot hobbyistisch 3D-printen zoals verpakkingen op maat gemaakt voor specifieke elektronica, persoonlijke beschermingsmiddelen op maat of zelfs designer meubilair."

Iets afdrukken?

In het systeem dat het team van Brown heeft ontwikkeld, voert een algoritme het grootste deel van het ontdekkingsproces uit om nieuwe printmaterialen te vinden.

"Onze aanpak is om geautomatiseerde productie en testen te combineren met machine learning om snel en efficiënt hoogwaardige componenten te identificeren", aldus Brown. "In wezen hebben we een autonome robot die deze mechanische systemen onder onze supervisie bestudeert."

Een mens selecteert een paar ingrediënten, voert details over hun chemische samenstelling in het algoritme in en definieert de mechanische eigenschappen van het nieuwe materiaal. Het algoritme verhoogt of verlaagt vervolgens de hoeveelheden van die componenten en controleert hoe elke formule de eigenschappen van het materiaal beïnvloedt voordat het tot de ideale combinatie komt.

De onderzoekers gebruikten het systeem om een ​​nieuwe 3D-printinkt te verbeteren die uithardt bij blootstelling aan ultraviolet licht, aldus de krant. Ze identificeerden zes chemicaliën die in de formuleringen moesten worden gebruikt en stelden het doel van het algoritme vast om het best presterende materiaal voor taaiheid, stijfheid en sterkte te ontdekken.

Zonder AI zou het optimaliseren van deze drie eigenschappen lastig zijn, omdat ze voor verschillende doeleinden kunnen werken. Het sterkste materiaal hoeft bijvoorbeeld niet het stijfste te zijn.

"Verkenning met brute kracht kan de verkenning van ongeveer 100 materialen mogelijk maken," Joshua Agar, een professor aan de Lehigh University die machine learning gebruikt om nieuwe materialen te ontdekken, vertelde Lifewire in een e-mailinterview. "AI en geautomatiseerde experimenten kunnen het mogelijk maken om miljoenen monsters te doorzoeken."

Een menselijke chemicus zou typisch proberen om één eigenschap tegelijk te maximaliseren, wat resulteert in veel experimenten en veel verspilling. Maar de AI was in staat om het veel sneller te doen dan een mens.

"Door AI in 3D-printen te gebruiken, kan [het] honderden herhalingen uitvoeren met de gewenste kenmerken in hetzelfde tijdsbestek van een chemicus die er een of twee uitvoert", Alessio Lorusso, CEO van Roboze, een bedrijf dat AI gebruikt om materialen te ontwikkelen, vertelde Lifewire in een e-mailinterview. Hij was niet betrokken bij het MIT-onderzoek. "Dit is duidelijk een opmerkelijke tijd- en kostenbesparende technologie."

De toekomst kan worden gedrukt

Het ontdekkingsproces voor het printen van materialen kan nog sneller worden gemaakt met meer automatisering, Mike Foshey, een MIT-professor en mede-hoofdauteur van het artikel, in een persbericht. Onderzoekers mengden en testten elk monster met de hand, maar robots zouden de doseer- en mengsystemen in toekomstige systeemversies kunnen bedienen.

Uiteindelijk zijn de onderzoekers van plan om het AI-proces te testen voor toepassingen die verder gaan dan het ontwikkelen van nieuwe 3D-printinkten.

"Dit heeft brede toepassingen in de materiaalwetenschap in het algemeen," zei Foshey. "Als je bijvoorbeeld nieuwe soorten batterijen wilt ontwerpen die efficiënter en goedkoper zijn, kun je een systeem als dit gebruiken. Of, als je de lak wilde optimaliseren voor een auto die goed presteerde en milieuvriendelijk was, dan zou dit systeem dat ook kunnen doen."

De mogelijkheden voor AI-gestuurde materialen zijn "eindeloos" zodra het algoritme is ontwikkeld en de machine voldoende gegevens heeft om het nauwkeurig toe te passen, zei Lorusso.

"We zijn van mening dat het nuttig is om nieuwe materialen te vinden, omdat de prestaties die tegenwoordig worden bereikt door superpolymeren en composieten de mogelijkheid bieden om onderdelen voor eindgebruik te produceren", voegde hij eraan toe. "Ze kunnen metalen vervangen en een circulair economisch model creëren, waarbij de grondstof zichzelf blijft regenereren door constant te recyclen."