AI kan gi 3D-skrivere nye funksjoner
Viktige takeaways
- 3D-skriveren din kan kanskje etter hvert produsere sterkere materialer takket være fremskritt innen AI-assistert forskning.
- MIT-forskere har utviklet en algoritme som utfører det meste av materialoppdagelsesprosessen.
- Teamet brukte systemet til å forbedre en ny 3D-utskriftsblekk som stivner når den utsettes for ultrafiolett lys.

Cavan Images / Getty Images
Hjemme 3D-skrivere kan bli mer nyttige takket være fremskritt innen kunstig intelligens (AI).
Forskere bruker maskinlæring for å lage utskriftsmateriale som er sterkere og tøffere, ifølge en nylig publisert papir.
De nye materialene kan ha bruksområder som spenner fra industriell til hobby 3D-printing som f.eks emballasje skreddersydd for spesifikk elektronikk, tilpasset personlig verneutstyr, eller til og med designer møbler, Keith A. brun, en ingeniørprofessor ved Boston University som var blant forskerne som utførte studien, fortalte Lifewire i et e-postintervju.
"Målet vårt er å lære å 3D-printe mekaniske komponenter med høy ytelse," la han til. "Disse kan ha applikasjoner som spenner fra industriell til hobby 3D-utskrift som emballasje skreddersydd for spesifikk elektronikk, tilpasset personlig verneutstyr, eller til og med designer møbler."
Skrive ut noe?
I systemet som Browns team utviklet, utfører en algoritme det meste av oppdagelsesprosessen for å finne nytt utskriftsmateriale.
"Vår tilnærming er å kombinere automatisert produksjon og testing med maskinlæring for raskt og effektivt å identifisere høyytende komponenter," sa Brown. "I hovedsak har vi en autonom robot som studerer disse mekaniske systemene under vår tilsyn."
"Hvis du ønsket å designe nye typer batterier med høyere effektivitet og lavere kostnader, kan du bruke et system som dette for å gjøre det."
Et menneske velger noen få ingredienser, legger inn detaljer om deres kjemiske sammensetninger i algoritmen og definerer det nye materialets mekaniske egenskaper. Algoritmen øker eller reduserer deretter mengden av disse komponentene og sjekker hvordan hver formel påvirker materialets egenskaper før den kommer frem til den ideelle kombinasjonen.
Forskerne brukte systemet til å forbedre et nytt 3D-utskriftsblekk som stivner når det utsettes for ultrafiolett lys, ifølge avisen. De identifiserte seks kjemikalier som skulle brukes i formuleringene og satte algoritmens mål om å avdekke det beste materialet for seighet, stivhet og styrke.
Uten AI ville det vært vanskelig å optimalisere disse tre egenskapene fordi de kan fungere på tvers. For eksempel kan det være at det sterkeste materialet ikke er det stiveste.
"Brute force-utforskning kan tillate leting av rundt 100 materialer," Joshua Agar, en professor ved Lehigh University som bruker maskinlæring for å oppdage nye materialer, fortalte Lifewire i et e-postintervju. "AI og automatiserte eksperimenter kan gjøre det mulig å søke i millioner av prøver."
En menneskelig kjemiker vil vanligvis prøve å maksimere en egenskap om gangen, noe som resulterer i mange eksperimenter og mye avfall. Men AI var i stand til å gjøre det mye raskere enn et menneske.
"Å bruke AI i 3D-utskrift lar [det utføre] hundrevis av repetisjoner med de ønskede egenskapene i samme tidsramme som en kjemiker som utfører en eller to," Alessio Lorusso, administrerende direktør i Roboze, et selskap som bruker kunstig intelligens til å utvikle materialer, fortalte Lifewire i et e-postintervju. Han var ikke involvert i MIT-forskningen. "Dette er åpenbart en bemerkelsesverdig tids- og kostnadsbesparende teknologi."

Sunwoo Jung / Getty Images
Fremtiden kan bli trykt
Oppdagelsesprosessen for utskrift av materialer kan gjøres enda raskere med mer automatisering, Mike Foshey, en MIT-professor og medforfatter av papiret, sa i en pressemelding. Forskere blandet og testet hver prøve for hånd, men roboter kunne betjene dispenserings- og blandesystemene i fremtidige systemversjoner.
Etter hvert planlegger forskerne å teste AI-prosessen for bruk utover å utvikle nye 3D-utskriftsblekk.
"Dette har brede anvendelser på tvers av materialvitenskap generelt," sa Foshey. "For eksempel, hvis du ønsket å designe nye typer batterier som var høyere effektivitet og lavere kostnader, kan du bruke et system som dette for å gjøre det. Eller, hvis du ønsket å optimalisere lakken for en bil som presterte bra og var miljøvennlig, kan dette systemet også gjøre det."
Mulighetene for AI-drevne materialer er "endeløse" når algoritmen er utviklet og maskinen har nok data til å begynne å bruke den nøyaktig, sa Lorusso.
"Vi tror at det er nyttig å finne nye materialer fordi ytelsen oppnådd i dag av superpolymerer og kompositter gir muligheten til å produsere sluttbruksdeler," la han til. "De kan erstatte metaller og skape en sirkulær økonomimodell, der råvaren fortsetter å regenerere seg selv gjennom konstant resirkulering."