Mga Key Takeaway
- Maaaring makabuo ang iyong 3D printer sa kalaunan ng mas malalakas na materyales salamat sa mga pagsulong sa pananaliksik na tinulungan ng AI.
- MIT researcher ay nakabuo ng isang algorithm na gumaganap ng karamihan sa proseso ng pagtuklas ng materyal.
- Ginamit ng team ang system para pahusayin ang isang bagong 3D printing ink na tumitigas kapag na-expose sa ultraviolet light.
Maaaring maging mas kapaki-pakinabang ang mga home 3D printer salamat sa mga pagsulong sa artificial intelligence (AI).
Gumagamit ang mga mananaliksik ng machine learning para makagawa ng mga materyal sa pag-print na mas matibay at mas matigas, ayon sa isang kamakailang nai-publish na papel.
Ang mga bagong materyales ay maaaring magkaroon ng mga application na mula sa pang-industriya hanggang sa hobbyist na 3D printing gaya ng packaging na iniayon para sa partikular na electronics, customized na personal protective equipment, o kahit na designer furniture, si Keith A. Brown, isang propesor sa engineering sa Boston University na noon ay kabilang sa mga mananaliksik na nagsasagawa ng pag-aaral, sinabi sa Lifewire sa isang panayam sa email.
"Ang aming layunin ay matutunan kung paano mag-print ng 3D na mga mekanikal na bahagi na may mataas na pagganap," dagdag niya. "Ang mga ito ay maaaring magkaroon ng mga application na mula sa pang-industriya hanggang sa hobbyist na 3D printing gaya ng packaging na iniayon para sa partikular na electronics, customized na personal protective equipment, o kahit na designer furniture."
Mag-print ng Anuman?
Sa system na binuo ng team ni Brown, ginagawa ng isang algorithm ang karamihan sa proseso ng pagtuklas para maghanap ng mga bagong materyal sa pag-print.
"Ang aming diskarte ay pagsamahin ang automated na pagmamanupaktura at pagsubok sa machine learning para mabilis at mahusay na matukoy ang mga bahaging may mataas na performance," sabi ni Brown. "Sa esensya, mayroon kaming autonomous na robot na nag-aaral sa mga mekanikal na sistemang ito sa ilalim ng aming pangangasiwa."
Kung gusto mong magdisenyo ng mga bagong uri ng baterya na mas mahusay at mas mura, maaari kang gumamit ng system na tulad nito para gawin ito.
Ang isang tao ay pumipili ng ilang sangkap, naglalagay ng mga detalye sa kanilang mga kemikal na komposisyon sa algorithm, at tinutukoy ang mga mekanikal na katangian ng bagong materyal. Pagkatapos ay dinadagdagan o binabawasan ng algorithm ang mga halaga ng mga bahaging iyon at sinusuri kung paano nakakaapekto ang bawat formula sa mga katangian ng materyal bago makarating sa perpektong kumbinasyon.
Ginamit ng mga mananaliksik ang system para pahusayin ang isang bagong 3D printing ink na tumitigas kapag na-expose sa ultraviolet light, ayon sa papel. Natukoy nila ang anim na kemikal na gagamitin sa mga formulation at itinakda ang layunin ng algorithm na alisan ng takip ang pinakamahusay na gumaganap na materyal para sa tigas, paninigas, at lakas.
Kung walang AI, ang pag-optimize sa tatlong property na ito ay magiging mahirap dahil maaari silang gumana sa mga cross purposes. Halimbawa, ang pinakamatibay na materyal ay maaaring hindi ang pinakamatigas.
"Maaaring payagan ng brute force exploration ang paggalugad ng 100 o higit pang mga materyales," sinabi ni Joshua Agar, isang propesor sa Lehigh University na gumagamit ng machine learning para tumuklas ng mga bagong materyales, sa Lifewire sa isang email interview. "Ang AI at mga automated na eksperimento ay maaaring magbigay-daan sa milyun-milyong sample na maghanap."
Karaniwang susubukan ng isang human chemist na i-maximize ang isang property sa isang pagkakataon, na nagreresulta sa maraming eksperimento at maraming basura. Ngunit nagawa ito ng AI nang mas mabilis kaysa sa isang tao.
"Ang paggamit ng AI sa 3D printing ay nagbibigay-daan sa [ito na magsagawa] ng daan-daang pag-uulit na may mga gustong katangian sa parehong timeframe ng isang chemist na gumaganap ng isa o dalawa, " Alessio Lorusso, CEO ng Roboze, isang kumpanyang gumagamit ng AI upang bumuo ng mga materyales, sinabi sa Lifewire sa isang panayam sa email. Hindi siya kasali sa pananaliksik ng MIT. "Ito ay malinaw na isang kahanga-hangang oras at teknolohiyang nakakatipid."
Maaaring Mailimbag ang Kinabukasan
Ang proseso ng pagtuklas para sa mga materyal sa pag-imprenta ay maaaring gawing mas mabilis sa higit pang automation, sinabi ni Mike Foshey, isang propesor sa MIT at co-lead na may-akda ng papel, sa isang paglabas ng balita. Hinahalo at sinubukan ng mga mananaliksik ang bawat sample sa pamamagitan ng kamay, ngunit maaaring patakbuhin ng mga robot ang dispensing at mixing system sa mga susunod na bersyon ng system.
Sa kalaunan, pinaplano ng mga mananaliksik na subukan ang proseso ng AI para sa mga paggamit na higit pa sa pagbuo ng mga bagong 3D printing inks.
"Ito ay may malawak na aplikasyon sa mga materyales sa agham sa pangkalahatan," sabi ni Foshey. "Halimbawa, kung gusto mong magdisenyo ng mga bagong uri ng mga baterya na mas mataas ang kahusayan at mas mababang gastos, maaari mong gamitin ang isang sistemang tulad nito para gawin ito. O, kung gusto mong i-optimize ang pintura para sa isang kotse na gumaganap nang mahusay at environment friendly., magagawa rin iyon ng system na ito."
Ang mga posibilidad para sa AI-driven na materyales ay "walang katapusang" kapag ang algorithm ay nabuo at ang makina ay may sapat na data upang simulan ang paglalapat nito nang tumpak, sabi ni Lorusso.
"Naniniwala kami na kapaki-pakinabang na makahanap ng mga bagong materyales dahil ang mga performance na nakamit ngayon ng mga super polymer at composites ay nag-aalok ng posibilidad na makagawa ng mga end-use na bahagi," dagdag niya. "Maaari nilang palitan ang mga metal at lumikha ng isang pabilog na modelo ng ekonomiya, kung saan ang hilaw na materyal ay patuloy na bubuo ng sarili sa pamamagitan ng patuloy na pag-recycle."
