Pagrindiniai pasiėmimai
- Jūsų 3D spausdintuvas ilgainiui gali pagaminti tvirtesnes medžiagas, nes pažanga atliekama naudojant dirbtinio intelekto tyrimus.
- MIT mokslininkai sukūrė algoritmą, kuris atlieka didžiąją dalį medžiagos atradimo proceso.
- Komanda naudojo sistemą, kad patobulintų naują 3D spausdinimo rašalą, kuris sukietėja veikiamas ultravioletinių spindulių.
Dėl dirbtinio intelekto (DI) pažangos namų 3D spausdintuvai gali tapti naudingesni.
Tyrėjai naudoja mašininį mokymąsi, kad gamintų tvirtesnę ir kietesnę spausdinimo medžiagą, teigiama neseniai paskelbtame dokumente.
Naujos medžiagos gali būti pritaikytos nuo pramoninio iki mėgėjiško 3D spausdinimo, pvz., pakuotės, pritaikytos konkrečiai elektronikai, pritaikytos asmeninės apsaugos priemonės ar net dizainerių sukurti baldai, sakė Bostono universiteto inžinerijos profesorius Keithas A. Brownas. el. paštu duotame interviu „Lifewire“sakė tyrimą atlikę mokslininkai.
„Mūsų tikslas yra išmokti spausdinti 3D aukštos kokybės mechaninius komponentus“, – pridūrė jis. "Jie gali būti pritaikyti nuo pramoninio iki mėgėjiško 3D spausdinimo, pvz., pakuotės, pritaikytos konkrečiai elektronikai, pritaikytos asmeninės apsaugos priemonės ar net dizainerių baldai."
Spausdinti ką nors?
Sistemoje, kurią sukūrė Browno komanda, algoritmas atlieka didžiąją dalį atradimo proceso, kad surastų naują spausdinimo medžiagą.
„Mūsų požiūris yra suderinti automatizuotą gamybą ir testavimą su mašininiu mokymusi, kad būtų galima greitai ir efektyviai nustatyti didelio našumo komponentus“, – sakė Brownas. „Iš esmės mes turime autonominį robotą, kuris mūsų prižiūrimas tiria šias mechanines sistemas.“
Jei norite sukurti naujų tipų baterijas, kurios būtų efektyvesnės ir mažesnės, galite tai padaryti naudodami tokią sistemą.
Žmogus pasirenka keletą ingredientų, į algoritmą įveda išsamią informaciją apie jų cheminę sudėtį ir apibrėžia naujos medžiagos mechanines savybes. Tada algoritmas padidina arba sumažina tų komponentų kiekius ir patikrina, kaip kiekviena formulė veikia medžiagos savybes, prieš nustatydamas idealų derinį.
Tyrėjai naudojo sistemą, kad patobulintų naują 3D spausdinimo rašalą, kuris sukietėja veikiamas ultravioletinių spindulių, teigiama straipsnyje. Jie nustatė šešias chemines medžiagas, kurios bus naudojamos kompozicijose, ir nustatė algoritmo tikslą – atskleisti geriausią kietumo, standumo ir stiprumo medžiagą.
Be AI optimizuoti šias tris savybes būtų sudėtinga, nes jos gali veikti įvairiais tikslais. Pavyzdžiui, stipriausia medžiaga gali būti ne kiečiausia.
„Grubiosios jėgos tyrinėjimas gali leisti ištirti apie 100 medžiagų“, – interviu el. paštu „Lifewire“sakė Lehigh universiteto profesorius Joshua Agaras, kuris naudoja mašininį mokymąsi naujoms medžiagoms atrasti. „AI ir automatizuoti eksperimentai gali leisti ieškoti daugybės pavyzdžių.“
Žmonių chemikas paprastai stengtųsi maksimaliai išnaudoti vieną savybę vienu metu, todėl atlieka daug eksperimentų ir daug atliekų. Tačiau AI sugebėjo tai padaryti daug greičiau nei žmogus.
„AI naudojant 3D spausdinimą, jis gali atlikti šimtus pakartojimų su norimomis charakteristikomis per tą patį laiką, kai chemikas atlieka vieną ar du darbus“, – sakė Alessio Lorusso, „Roboze“, bendrovės, kuri naudoja dirbtinį intelektą, generalinis direktorius. kurti medžiagas, sakė Lifewire interviu el. paštu. Jis nedalyvavo MIT tyrime. "Akivaizdu, kad tai yra nepaprasta laiko ir sąnaudų mažinimo technologija."
Ateitis gali būti išspausdinta
Spausdinimo medžiagų atradimo procesas galėtų būti dar greitesnis naudojant daugiau automatizavimo, pranešime spaudai sakė Mike'as Foshey, MIT profesorius ir vienas iš šio straipsnio autorių. Tyrėjai maišė ir išbandė kiekvieną mėginį rankomis, tačiau būsimose sistemos versijose robotai galės valdyti dozavimo ir maišymo sistemas.
Galų gale mokslininkai planuoja išbandyti dirbtinio intelekto procesą ne tik naujų 3D spausdinimo dažų kūrimui.
„Tai plačiai taikoma medžiagų moksle apskritai“, – sakė Foshey. "Pavyzdžiui, jei norite sukurti naujų tipų akumuliatorius, kurie būtų efektyvesni ir pigesni, galite naudoti tokią sistemą. Arba, jei norite optimizuoti dažymą automobiliui, kuris veiktų gerai ir būtų nekenksmingas aplinkai., ši sistema taip pat galėtų tai padaryti."
Dirbtinio intelekto valdomų medžiagų galimybės yra „begalinės“, kai algoritmas bus sukurtas ir mašina turi pakankamai duomenų, kad būtų galima jį tiksliai taikyti, sakė Lorusso.
„Manome, kad naudinga rasti naujų medžiagų, nes šiandien super polimerų ir kompozitų savybės suteikia galimybę gaminti galutinio naudojimo dalis“, – pridūrė jis. „Jie galėtų pakeisti metalus ir sukurti žiedinės ekonomikos modelį, pagal kurį žaliava ir toliau atsinaujintų pati per nuolatinį perdirbimą“.
