Key takeaways
- 3D-skriveren din kan 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 et nytt 3D-utskriftsblekk som stivner når det utsettes for ultrafiolett lys.
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 artikkel.
De nye materialene kan ha bruksområder som spenner fra industriell til hobby-3D-utskrift, for eksempel innpakning skreddersydd for spesifikk elektronikk, tilpasset personlig verneutstyr, eller til og med designermøbler, Keith A. Brown, en ingeniørprofessor ved Boston University som var blant forskerne som utførte studien, fort alte Lifewire i et e-postintervju.
"Målet vårt er å lære å 3D-printe mekaniske komponenter med høy ytelse," la han til. "Disse kan ha bruksområder som spenner fra industriell til hobby-3D-utskrift, for eksempel innpakning skreddersydd for spesifikk elektronikk, tilpasset personlig verneutstyr eller til og med designermøbler."
Skriv 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-trykkblekk 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 være vanskelig å optimalisere disse tre egenskapene fordi de kan fungere på tvers. Det sterkeste materialet kan for eksempel ikke være det stiveste.
"Brute force-utforskning kan tillate leting av rundt 100 materialer," sa Joshua Agar, en professor ved Lehigh University som bruker maskinlæring for å oppdage nytt materiale, til 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 én 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 AI til å utvikle materialer, fort alte Lifewire i et e-postintervju. Han var ikke involvert i MIT-forskningen. "Dette er åpenbart en bemerkelsesverdig tids- og kostnadsbesparende teknologi."
Fremtiden kan bli trykt
Oppdagelsesprosessen for utskriftsmateriale kan gjøres enda raskere med mer automatisering, sa Mike Foshey, en MIT-professor og medforfatter av avisen, i en pressemelding. Forskere blandet og testet hver prøve for hånd, men roboter kunne betjene dispenserings- og blandesystemene i fremtidige systemversjoner.
Til slutt planlegger forskerne å teste AI-prosessen for bruk utover å utvikle nye 3D-utskriftsblekk.
"Dette har bred anvendelse 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, dette systemet kan 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 det er nyttig å finne nye materialer fordi ytelsen som oppnås 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."
