3D 打印在制造各种物品(从定制医疗设备到经济适用房)方面的日益普及，对专为特定用途设计的新型 3D 打印材料产生了更多需求。
为了缩短发现这些新材料所需的时间，麻省理工学院的研究人员开发了一种数据驱动的过程，该过程使用机器学习来优化具有多种特性(如韧性和抗压强度)的新型 3D 打印材料。
通过简化材料开发，该系统通过减少化学废物量来降低成本并减轻对环境的影响。机器学习算法还可以通过提出人类直觉可能遗漏的独特化学配方来刺激创新。
“材料开发在很大程度上仍然是一个手动过程。化学家进入实验室，手工混合成分，制作样品，测试它们，并得出最终配方。但是，与其让化学家只能在几天内进行几次迭代，我们的系统可以在同一时间跨度内进行数百次迭代，”计算设计和制造部门的机械工程师兼项目经理 Mike Foshey 说。计算机科学与人工智能实验室 (CSAIL) 的小组 (CDFG)，以及该论文的共同主要作者。
其他作者包括共同主要作者 Timothy Erps，CDFG 的技术助理;Mina Konaković Luković，CSAIL 博士后;万寿，前麻省理工学院博士后，现为阿肯色大学助理教授;资深作者 Wojciech Matusik，麻省理工学院电气工程和计算机科学教授;以及巴斯夫的 Hanns Hagen Geotzke、Herve Dietsch 和 Klaus Stoll。该研究今天发表在《科学进展》上。
优化发现
在研究人员开发的系统中，优化算法执行了大部分试错发现过程。
材料开发人员选择一些成分，将其化学成分的详细信息输入算法，并定义新材料应具有的机械性能。然后，算法会增加和减少这些组件的数量(例如转动放大器上的旋钮)，并在达到理想组合之前检查每个公式如何影响材料的属性。
然后开发人员混合、处理和测试样品，以了解材料的实际性能。开发人员将结果报告给算法，算法会自动从实验中学习并使用新信息来决定要测试的另一个配方。
“我们认为，对于许多应用程序，这将优于传统方法，因为您可以更加依赖优化算法来找到最佳解决方案。你不需要专业的化学家来预先选择材料配方，”Foshey 说。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！