Tärkeimmät oppimispisteet
- 3D-tulostimesi saattaa lopulta pystyä tuottamaan vahvempia materiaaleja tekoälyn avustetun tutkimuksen edistymisen ansiosta.
- MIT-tutkijat ovat kehittäneet algoritmin, joka suorittaa suurimman osan materiaalin etsintäprosessista.
- Tiimi käytti järjestelmää parantaakseen uutta 3D-tulostusmustetta, joka kovettuu altistuessaan ultraviolettivalolle.
Tulosta jotain?
Brownin tiimin kehittämässä järjestelmässä algoritmi suorittaa suurimman osan etsintäprosessista löytääkseen uusia tulostusmateriaaleja. «Meidän lähestymistapamme on yhdistää automatisoitu valmistus ja testaus koneoppimiseen, jotta voimme tunnistaa nopeasti ja tehokkaasti arvokkaat komponentit», Brown sanoi. «Pohjimmiltaan meillä on itsenäinen robotti, joka tutkii näitä mekaanisia järjestelmiä valvonnassamme.» Jos haluat suunnitella uudentyyppisiä akkuja, jotka ovat tehokkaampia ja halvempia, voit tehdä sen tällaisella järjestelmällä. Ihminen valitsee muutaman ainesosan, syöttää tiedot niiden kemiallisesta koostumuksesta algoritmiin ja määrittelee uuden materiaalin mekaaniset ominaisuudet. Algoritmi lisää tai vähentää sitten näiden komponenttien määriä ja tarkistaa, miten kukin kaava vaikuttaa materiaalin ominaisuuksiin ennen kuin se saavuttaa ihanteellisen yhdistelmän. Tutkijat käyttivät järjestelmää parantaakseen uutta 3D-tulostusmustetta, joka kovettuu altistuessaan ultraviolettivalolle, lehden mukaan. He tunnistivat kuusi kemikaalia käytettäväksi formulaatioissa ja asettivat algoritmin tavoitteeksi löytää lujuuden, jäykkyyden ja lujuuden kannalta parhaiten toimiva materiaali. Ilman tekoälyä näiden kolmen ominaisuuden optimointi olisi hankalaa, koska ne voivat toimia eri tarkoituksiin. Esimerkiksi vahvimman materiaalin ei tarvitse olla jäykin. «Raakavoimainen etsintä voi mahdollistaa noin 100 materiaalin tutkimisen», Lehighin yliopiston professori Joshua Agar, joka käyttää koneoppimista löytääkseen uusia materiaaleja, kertoi Lifewirelle sähköpostihaastattelussa. «Tekoäly ja automaattiset kokeet voisivat mahdollistaa miljoonien näytteiden etsimisen.» Ihmiskemisti pyrkii tyypillisesti maksimoimaan yhden ominaisuuden kerrallaan, mikä johtaa moniin kokeiluihin ja paljon jätettä. Mutta tekoäly pystyi tekemään sen paljon nopeammin kuin ihminen. ”Tekoälyn käyttö 3D-tulostuksessa mahdollistaa sen [it to perform] satoja iteraatioita halutuilla ominaisuuksilla samassa aikavälissä kemistiltä, joka suorittaa yhden tai kaksi», Alessio Lorusso, Roboze-yhtiön, joka käyttää tekoälyä materiaalien kehittämiseen, toimitusjohtaja kertoi Lifewirelle sähköpostihaastattelussa. Hän ei ollut mukana siinä. MIT «Tämä on tietysti huomattava aikaa ja kustannuksia säästävä tekniikka.»
Tulevaisuus voidaan tulostaa
Materiaalitulostuksen etsintäprosessi voitaisiin tehdä entistä nopeammin lisäämällä automaatiota, Mike Foshey, MIT-professori ja paperin toinen johtava kirjoittaja, sanoi lehdistötiedotteessa. Tutkijat sekoittivat ja testasivat jokaisen näytteen käsin, mutta robotit voisivat käyttää annostelu- ja sekoitusjärjestelmiä tulevissa järjestelmäversioissa. Lopulta tutkijat aikovat testata tekoälyprosessia sovelluksissa uusien 3D-tulostusmusteiden kehittämisen lisäksi. «Tällä on laajat sovellukset materiaalitieteessä yleensä», Foshey sanoi. «Jos esimerkiksi haluat suunnitella uudentyyppisiä akkuja, jotka ovat tehokkaampia ja halvempia, voit käyttää tällaista järjestelmää. Tai jos haluat optimoida maalipinnan hyvin toimineelle ja ympäristöystävälliselle autolle, tämä järjestelmä voisi tee myös se.» Tekoälyohjattujen materiaalien mahdollisuudet ovat «loputtomat», kun algoritmi on kehitetty ja koneella on tarpeeksi tietoa soveltaakseen sitä tarkasti, Lorusso sanoi. «Uskomme, että uusien materiaalien löytäminen on hyödyllistä, koska superpolymeerien ja komposiittien nykyinen suorituskyky tarjoaa mahdollisuuden valmistaa loppukäyttöosia», hän lisäsi. «Ne voisivat korvata metalleja ja luoda kiertotalouden mallin, jossa raaka-aine uusiutuu jatkuvasti kierrättämällä.»