Belangrijkste leerpunten
- Uw 3D-printer kan uiteindelijk sterkere materialen produceren dankzij vooruitgang in AI-ondersteund onderzoek.
- MIT-onderzoekers hebben een algoritme ontwikkeld dat het grootste deel van het materiële ontdekkingsproces uitvoert.
- Het team gebruikte het systeem om een nieuwe 3D-printinkt te verbeteren die uithardt bij blootstelling aan ultraviolet licht.
3D-printers voor thuis 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 gepubliceerd artikel. De nieuwe materialen kunnen toepassingen hebben die variëren van industrieel tot hobbyistisch 3D-printen, zoals verpakkingen op maat gemaakt voor specifieke elektronica, op maat gemaakte persoonlijke beschermingsmiddelen of zelfs designmeubilair, Keith A. Brown, een professor in engineering aan de Boston University die een van de onderzoekers was die de studie, 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, op maat gemaakte persoonlijke beschermingsmiddelen of zelfs designmeubilair.”
Iets afdrukken?
In het systeem dat het team van Brown heeft ontwikkeld, voert een algoritme het grootste deel van het ontdekkingsproces uit om nieuwe drukmaterialen te vinden. “Onze aanpak is om geautomatiseerde productie en testen te combineren met machine learning om snel en efficiënt goed presterende componenten te identificeren”, aldus Brown. “In wezen hebben we een autonome robot die deze mechanische systemen onder onze supervisie bestudeert.” Als je nieuwe soorten batterijen zou willen ontwerpen die efficiënter en goedkoper zijn, zou je een systeem als dit kunnen gebruiken om dat te doen. 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 bepaalden het doel van het algoritme om het best presterende materiaal voor taaiheid, stijfheid en sterkte te vinden. Zonder AI zou het lastig zijn om deze drie eigenschappen te optimaliseren, omdat ze voor verschillende doeleinden kunnen werken. Het sterkste materiaal hoeft bijvoorbeeld niet het stijfste te zijn. “Brute force-exploratie kan de verkenning van ongeveer 100 materialen mogelijk maken”, vertelde Joshua Agar, een professor aan de Lehigh University die machine learning gebruikt om nieuwe materialen te ontdekken, aan Lifewire in een e-mailinterview. “AI en geautomatiseerde experimenten kunnen het doorzoeken van miljoenen monsters mogelijk maken.” Een menselijke chemicus zou doorgaans proberen één eigenschap tegelijk te maximaliseren, wat resulteerde in veel experimenten en veel verspilling. Maar de AI was in staat om het veel sneller te doen dan een mens. “Het gebruik van AI in 3D-printen maakt het mogelijk [it to perform] honderden herhalingen met de gewenste kenmerken in hetzelfde tijdsbestek van een chemicus die er een of twee uitvoert, “vertelde Alessio Lorusso, CEO van Roboze, een bedrijf dat AI gebruikt om materialen te ontwikkelen, 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 printmaterialen zou nog sneller kunnen worden gemaakt met meer automatisering, zei Mike Foshey, een MIT-professor en mede-hoofdauteur van de paper, in een persbericht. Onderzoekers hebben elk monster met de hand gemengd en getest, maar in toekomstige systeemversies zouden robots de doseer- en mengsystemen 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 materiaalkunde in het algemeen,” zei Foshey. “Als je bijvoorbeeld nieuwe typen batterijen wilt ontwerpen die efficiënter en goedkoper zijn, kun je daarvoor een systeem als dit gebruiken. Of als je de lak wilt optimaliseren voor een auto die goed presteert en milieuvriendelijk is.” , dit systeem zou dat ook kunnen.” 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. “Wij geloven 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 zouden metalen kunnen vervangen en een circulair economisch model kunnen creëren, waarbij de grondstof zichzelf blijft regenereren door constante recycling.”