材料

开源ML算法,加速发现新的3D打印材料

投票入围名单2021年3D打印行业大奖现在打开了。你认为今年谁应该获得最高荣誉?现在就说。

有兴趣收听吗?的Youtube转播画面链接也是实时的,所以观众现在可以订阅并设置提醒,以确保他们不会错过。

工程师在麻省理工学院麻省理工学院(MIT)开发了一种机器学习(ML)算法,有可能加快识别3D打印材料的过程。

包装在他们的'汽车该团队的优化算法能够自动识别具有所需品质的可行打印材料,如韧性、刚性或抗压强度。通过这种方式,用户可以绕过传统树脂配方产生的成本、交货时间和浪费,并有可能找到人类主导研发的混合物。

“材料开发在很大程度上仍然是一个手工过程,”该论文的联合主要作者Mike Foshey说。“化学家走进实验室,手工混合各种成分,制作样品,测试它们,最后得出最终配方。但我们的系统可以在相同的时间跨度内进行数百次迭代,而不是让化学家在几天内只能进行几次迭代。”

麻省理工学院团队基于算法的材料配方工作流程。
麻省理工学院团队基于算法的材料配方工作流程。图片来自《科学进展》杂志。

克服材料研发的“速度极限”

目前,开发新的3D打印材料需要制造商对聚合物化学有深入的了解,以及进行长时间评估所需的设备和支持。这种手工流程还允许对每个样品的一个因素进行评估,限制了材料研发的可访问性、效率和可扩展性。

为了更快地开发特定应用的3D打印树脂,麻省理工学院团队确定了自主研发周期的必要性。为了实现这一目标,研究人员此前已经试验了算法驱动和基于量子点合成的机器人,但这些方法通常保留了单一对象优化方法,限制了它们的实用性。

AutoOED: ML-led材料研究

为了加快材料的研发,麻省理工学院的团队发现了对数据高效优化算法的需求,特别是那些具有多任务处理能力的算法,为了满足这一需求,他们现在创建了AutoOED。为了寻找新颖的光固化油墨,该团队的工作流程包括采用多目标方法,在这种方法中,经过修改的算法有效地减少了所需的试验次数。

从理论上讲,该团队的软件工作原理是,在使用这些数据计算一个理想的公式之前,要求用户输入一种潜在材料的成分数量以及它需要具备的特性。一旦材料原型被测试,任何结果都可以反馈到算法中,然后在一个更紧密的循环原型过程中,利用这些信息建议另一个进行试验。

Foshey解释说:“我们认为,在许多应用中,这种方法的性能优于传统方法,因为你可以更多地依赖优化算法来找到最优解决方案。”“你不需要一个专业的化学家来预先选择材料配方。”

研究人员的“自动搜索”算法是如何工作的。
研究人员的“自动搜索”算法是如何工作的。图片来自《科学进展》杂志。

测试一个开源算法

为了评估他们工作流程的有效性,工程师们尝试创造出六种性能优于手工配制材料的墨水。经过30次迭代,该团队发现,他们的算法能够发现12种3D打印树脂,其中一些比正常树脂的强度高70%,但大多数具有在韧性、刚度和强度方面的“最佳权衡”。

除了识别潜在的材料优化机会,AutoOED还能够探索性能变化更大的材料的研发。例如,在测试过程中,该算法研究的配方压缩强度或韧性提高高达399%,压缩模量提高高达584%。

结果,研究者的工作流应用程序现在可以确定材料的理想严重依赖于特定的属性,它不容易制定,而且他们相信他们的方法可能会产生新一代的水凝胶,外科密封剂和纳米复合材料涂层与航空航天、医疗的潜力。

该团队还将他们的工作流视为“自动化准备的管道”,在未来的迭代中,可以集成自动操作其材料分配和混合步骤的机器人,以进一步加快配方的制定。不过,从短期来看,工程师们现在可以免费下载他们的算法了Github,看看创作者社区可以用他们的快速资料查找工具做些什么。

Foshey总结道:“这在材料科学中有着广泛的应用。”“例如,如果你想设计一种效率更高、成本更低的新型电池,你可以使用这样的系统来实现。或者,如果你想优化一辆性能良好、环境友好的汽车的油漆,这个系统也可以做到。”

法国Bouygues Travaux Publics公司的建筑工地。该公司的主管是研究项目组的一员。图片来自Bouygues Travaux Publics网站。
ML算法现在被用于识别各种行业的3D打印材料,包括建筑业。图片来自Bouygues Travaux Publics网站。

现代化材料研究

鉴于其预测能力,ML算法可能是缩短各种产品开发周期的理想选择,但印刷材料最近成为研究的热点。在利哈伊大学在美国,科学家们已经测试了一种新颖的ML材料测试方法他们使用人工神经网络来识别测试样本之间的结构相似性。

在其他地方,在类似的研究,人工智能专家Intellegens曾与石集团开发一种新的DED-focused ML算法用于评价新型3D打印材料。这款名为“Alchemite”的软件有效地利用热电阻测量作为缩小可打印镍基合金搜索范围的基础。

在建筑应用中斯威本理工大学已与布依格减速公众作为一个项目的一部分,已经看到它使用ML来寻求一种方法优化3D可打印混凝土的强度.通过这项计划,这些组织还旨在为3D打印地聚合物样品分类设计一个行业标准,并为未来材料分级制定路线图。

研究人员的研究结果详细发表在题为《使用数据驱动的多目标优化加速3D打印材料的发现作者包括Timothy Erps、Michael Foshey、Mina Konakovic Lukovic、hans Hagen、Herve Dietsch、Klaus Stoll、Bernhard von Vacano和Wojciech Matusik。

要跟上最新的3D打印新闻,不要忘记订阅3D打印行业通讯或者跟随我们推特或者点赞我们的页面脸谱网

想要更深入地了解增材制造,现在可以订阅我们的雷电竞充值Youtube频道,以讨论、汇报和3D打印的镜头为特色。

你想在增材制造行业找一份工作吗?雷电竞充值访问3 d打印工作来选择行业中的角色。

图片展示了麻省理工学院研究人员在测试中识别出的六种3D打印墨水。图片来自《科学进展》杂志。