華盛頓州立大學的研究人員利用人工智慧，找到了一種更快、成本更低的方法來 3D 列印高性能金屬合金，避免了手動測試超過一億種可能的列印配置的需要。
這項進展最終可能讓這種廣泛用於航空航太應用，並可能在其他行業找到用途的合金，能夠在更常見的商業設備上列印。該團隊開發的 AI 策略也可能對其他涉及龐大數量可能實驗的科學問題有用，包括藥物發現。
來自華盛頓州立大學電機工程與電腦科學學院以及機械與材料工程學院的研究人員，在美國人工智慧協會（AAAI）會議論文集中發表了這項研究。該專案也在該組織的年會上獲得了「創新部署應用獎」。
「百分之九十的商業列印機無法列印這種金屬合金，因此，鑑於我們能夠找到這些可行的製程參數，這使得我們能夠使用這些商業列印機，我們基本上是在普及這種合金的列印，」領導這項研究的電腦科學系 Huie-Rogers 講座教授兼工程系 Berry 傑出教授 Jana Doppa 表示。
這種材料名為 GRCop-42，是一種由銅、鉻和鈮製成的合金。美國國家航空暨太空總署（NASA）開發它是為了應對高溫環境，其中耐熱性和高效熱傳導都至關重要。
由於 GRCop-42 具有高導熱性，同時在高溫下仍能保持強度，因此被用於航空航太系統，包括液體火箭引擎燃燒室。儘管具有理想的特性和更廣泛的潛力，但這種合金的 3D 列印過程卻很困難且成本高昂，因為該製程通常需要大量的雷射功率和能量。
先前嘗試使用更常見的商業機器上較低功率的列印機來列印 GRCop-42 並未成功。逐一測試可能的列印設定也不切實際。每次嘗試都會消耗昂貴的材料，需要專門的設備，並耗費大量人力。單次列印可能耗資數百美元，而對成品進行徹底分析可能需要數天時間。
「有時候他們列印了某種配置，但產品卻熔化了，」該論文第一作者、電腦科學博士生 Azza Fadhel 表示。「它實際上無法列印，即使有時間和金錢，他們也無法嘗試所有一億種選項。我們在合作中所做的是應用 AI，以便我們能從這個非常大的搜尋空間中有效地選擇候選者。」
AI 搜尋超過一億種可能性
研究人員從先前在機械與材料工程學院進行的實驗中，37 種已失敗的列印配置數據開始。
利用這些結果，他們開發了一種方法，可以估計未經測試的設定組合成功列印的可能性。然後，AI 模型會推薦小組的新配置進行測試。
其選擇平衡了兩項優先事項。一些實驗專注於看似特別有希望的配置，而另一些則探索搜尋空間中不太確定的部分，這些部分可以提供新資訊並改進模型。
機械與材料工程學院的 Nathaniel Zuckschwerdt、Susmita Bose 和 Amit Bandyopadhyay 與團隊合作，使用 AI 選定的配置列印 GRCop-42，然後評估成品。來自明尼蘇達大學的 Aryan Deshwal 也參與了該專案。
「他們會把結果還給我，我都很喜歡——即使失敗了——因為每個結果都改進了我們的 AI 模型，」Fadhel 說。
使用較低的雷射功率成功列印該合金可以帶來幾項優勢。它可以減少能源消耗，降低列印設備的磨損，並降低與列印後樣品處理相關的成本。
它還可以讓大學、小型實驗室和沒有高功率專用列印系統的公司也能取得 GRCop-42。
困難之處在於，研究人員已經知道，在超過一億種可能的配置中，成功的設定將極為罕見。
「這對 AI 來說是一個非常具有挑戰性的案例，」Doppa 說。「每次嘗試，你基本上都會得到一個二元的成功或失敗信號，而你正試圖盡量減少嘗試次數，以便能夠非常快速地找到那些成功的『針』。」
儘管有這些機率，該團隊在三個月的工作中，在不同的雷射功率水平下找到了六種成功的配置，同時將專案限制在總共僅 40 次實驗。他們首次成功地使用 500 瓦的雷射功率列印了 GRCop-42。
更廣泛的科學發現工具
研究人員表示，相同的 AI 指導方法可以應用於識別其他金屬合金和增材製造系統可行的製程條件。
更廣泛地說，該方法可以幫助科學家解決那些成功結果罕見、可能實驗數量龐大，且測試所有選項成本過高的問題。研究人員看到了製造業以外的潛在應用，包括其他科學發現領域，其中每次實驗都涉及顯著的材料、財務或時間成本。
「當你部署涉及真實人物、材料和實體成本的東西時，總會有不確定性，」Doppa 說。「我們不知道自己是否會成功，而且總是有這種風險。有真實的利害關係。我對我們能夠做得這麼好感到非常驚訝。」