3D 打印在制造各種物品(從定制醫(yī)療設備到經(jīng)濟適用房)方面的日益普及，對專為特定用途設計的新型 3D 打印材料產(chǎn)生了更多需求。
為了縮短發(fā)現(xiàn)這些新材料所需的時間，麻省理工學院的研究人員開發(fā)了一種數(shù)據(jù)驅(qū)動的過程，該過程使用機器學習來優(yōu)化具有多種特性(如韌性和抗壓強度)的新型 3D 打印材料。
通過簡化材料開發(fā)，該系統(tǒng)通過減少化學廢物量來降低成本并減輕對環(huán)境的影響。機器學習算法還可以通過提出人類直覺可能遺漏的獨特化學配方來刺激創(chuàng)新。
“材料開發(fā)在很大程度上仍然是一個手動過程?；瘜W家進入實驗室，手工混合成分，制作樣品，測試它們，并得出最終配方。但是，與其讓化學家只能在幾天內(nèi)進行幾次迭代，我們的系統(tǒng)可以在同一時間跨度內(nèi)進行數(shù)百次迭代，”計算設計和制造部門的機械工程師兼項目經(jīng)理 Mike Foshey 說。計算機科學與人工智能實驗室 (CSAIL) 的小組 (CDFG)，以及該論文的共同主要作者。
其他作者包括共同主要作者 Timothy Erps，CDFG 的技術助理;Mina Konakovi? Lukovi?，CSAIL 博士后;萬壽，前麻省理工學院博士后，現(xiàn)為阿肯色大學助理教授;資深作者 Wojciech Matusik，麻省理工學院電氣工程和計算機科學教授;以及巴斯夫的 Hanns Hagen Geotzke、Herve Dietsch 和 Klaus Stoll。該研究今天發(fā)表在《科學進展》上。
優(yōu)化發(fā)現(xiàn)
在研究人員開發(fā)的系統(tǒng)中，優(yōu)化算法執(zhí)行了大部分試錯發(fā)現(xiàn)過程。
材料開發(fā)人員選擇一些成分，將其化學成分的詳細信息輸入算法，并定義新材料應具有的機械性能。然后，算法會增加和減少這些組件的數(shù)量(例如轉(zhuǎn)動放大器上的旋鈕)，并在達到理想組合之前檢查每個公式如何影響材料的屬性。
然后開發(fā)人員混合、處理和測試樣品，以了解材料的實際性能。開發(fā)人員將結(jié)果報告給算法，算法會自動從實驗中學習并使用新信息來決定要測試的另一個配方。
“我們認為，對于許多應用程序，這將優(yōu)于傳統(tǒng)方法，因為您可以更加依賴優(yōu)化算法來找到最佳解決方案。你不需要專業(yè)的化學家來預先選擇材料配方，”Foshey 說。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！