Βασικά Takeaways
- Ο τρισδιάστατος εκτυπωτής σας μπορεί να μπορέσει τελικά να παράγει ισχυρότερα υλικά χάρη στην πρόοδο της έρευνας με τη βοήθεια τεχνητής νοημοσύνης.
- Ερευνητές του MIT ανέπτυξαν έναν αλγόριθμο που εκτελεί το μεγαλύτερο μέρος της διαδικασίας ανακάλυψης υλικού.
- Η ομάδα χρησιμοποίησε το σύστημα για να βελτιώσει ένα νέο μελάνι εκτύπωσης 3D που σκληραίνει όταν εκτίθεται στο υπεριώδες φως.
Οι οικιακές 3D εκτυπωτές θα μπορούσαν να γίνουν πιο χρήσιμοι χάρη στην πρόοδο στην τεχνητή νοημοσύνη (AI).
Οι ερευνητές χρησιμοποιούν μηχανική μάθηση για να κάνουν εκτυπωτικά υλικά που είναι πιο δυνατά και πιο σκληρά, σύμφωνα με ένα έγγραφο που δημοσιεύθηκε πρόσφατα.
Τα νέα υλικά θα μπορούσαν να έχουν εφαρμογές που κυμαίνονται από βιομηχανική έως χομπίστα τρισδιάστατη εκτύπωση, όπως συσκευασίες προσαρμοσμένες για συγκεκριμένα ηλεκτρονικά είδη, προσαρμοσμένος εξοπλισμός ατομικής προστασίας ή ακόμα και έπιπλα σχεδιαστών, ο Keith A. Brown, καθηγητής μηχανικής στο Πανεπιστήμιο της Βοστώνης μεταξύ των ερευνητών που διεξήγαγαν τη μελέτη, είπε στο Lifewire σε μια συνέντευξη μέσω email.
"Στόχος μας είναι να μάθουμε πώς να εκτυπώνουμε 3D μηχανικά εξαρτήματα υψηλής απόδοσης", πρόσθεσε. "Αυτές μπορούν να έχουν εφαρμογές που κυμαίνονται από βιομηχανική έως χομπίστα τρισδιάστατη εκτύπωση, όπως συσκευασίες προσαρμοσμένες για συγκεκριμένα ηλεκτρονικά είδη, προσαρμοσμένος εξοπλισμός ατομικής προστασίας ή ακόμα και έπιπλα επώνυμων σχεδιαστών."
Print Anything;
Στο σύστημα που ανέπτυξε η ομάδα του Μπράουν, ένας αλγόριθμος εκτελεί το μεγαλύτερο μέρος της διαδικασίας ανακάλυψης για την εύρεση νέων υλικών εκτύπωσης.
"Η προσέγγισή μας είναι να συνδυάσουμε την αυτοματοποιημένη κατασκευή και τις δοκιμές με τη μηχανική εκμάθηση για να εντοπίζουμε γρήγορα και αποτελεσματικά εξαρτήματα υψηλής απόδοσης", είπε ο Μπράουν. "Στην ουσία, έχουμε ένα αυτόνομο ρομπότ που μελετά αυτά τα μηχανικά συστήματα υπό την επίβλεψή μας."
Αν θέλατε να σχεδιάσετε νέους τύπους μπαταριών με υψηλότερη απόδοση και χαμηλότερο κόστος, θα μπορούσατε να χρησιμοποιήσετε ένα σύστημα όπως αυτό για να το κάνετε.
Ένας άνθρωπος επιλέγει μερικά συστατικά, εισάγει λεπτομέρειες για τη χημική τους σύνθεση στον αλγόριθμο και καθορίζει τις μηχανικές ιδιότητες του νέου υλικού. Στη συνέχεια, ο αλγόριθμος αυξάνει ή μειώνει τις ποσότητες αυτών των συστατικών και ελέγχει πώς κάθε τύπος επηρεάζει τις ιδιότητες του υλικού προτού καταλήξει στον ιδανικό συνδυασμό.
Οι ερευνητές χρησιμοποίησαν το σύστημα για να βελτιώσουν ένα νέο μελάνι εκτύπωσης 3D που σκληραίνει όταν εκτίθεται στο υπεριώδες φως, σύμφωνα με την εφημερίδα. Εντόπισαν έξι χημικές ουσίες για χρήση στις συνθέσεις και έθεσαν τον στόχο του αλγόριθμου να αποκαλύψει το υλικό με την καλύτερη απόδοση για σκληρότητα, ακαμψία και αντοχή.
Χωρίς AI, η βελτιστοποίηση αυτών των τριών ιδιοτήτων θα ήταν δύσκολη, επειδή μπορούν να λειτουργήσουν σε πολλαπλούς σκοπούς. Για παράδειγμα, το πιο δυνατό υλικό μπορεί να μην είναι το πιο σκληρό.
"Η εξερεύνηση ωμής δύναμης μπορεί να επιτρέψει την εξερεύνηση περίπου 100 υλικών", είπε ο Joshua Agar, καθηγητής στο Πανεπιστήμιο Lehigh που χρησιμοποιεί μηχανική μάθηση για να ανακαλύψει νέα υλικά, στο Lifewire σε μια συνέντευξη μέσω email. "Το AI και τα αυτοματοποιημένα πειράματα μπορούν να επιτρέψουν την αναζήτηση εκατομμυρίων δειγμάτων."
Ένας ανθρώπινος χημικός τυπικά θα προσπαθούσε να μεγιστοποιήσει μία ιδιότητα τη φορά, με αποτέλεσμα πολλά πειράματα και πολλά απόβλητα. Αλλά το AI μπόρεσε να το κάνει πολύ πιο γρήγορα από έναν άνθρωπο.
"Η χρήση της τεχνητής νοημοσύνης στην τρισδιάστατη εκτύπωση επιτρέπει [να εκτελεί] εκατοντάδες επαναλήψεις με τα επιθυμητά χαρακτηριστικά στο ίδιο χρονικό πλαίσιο ενός χημικού που εκτελεί μία ή δύο, " Alessio Lorusso, Διευθύνων Σύμβουλος της Roboze, μιας εταιρείας που χρησιμοποιεί τεχνητή νοημοσύνη για ανάπτυξη υλικού, είπε στο Lifewire σε μια συνέντευξη μέσω email. Δεν συμμετείχε στην έρευνα του MIT. "Πρόκειται προφανώς για μια αξιοσημείωτη τεχνολογία περικοπής χρόνου και κόστους."
Το μέλλον μπορεί να τυπωθεί
Η διαδικασία ανακάλυψης για τα υλικά εκτύπωσης θα μπορούσε να γίνει ακόμα πιο γρήγορα με περισσότερη αυτοματοποίηση, δήλωσε σε δελτίο τύπου ο Mike Foshey, καθηγητής του MIT και συν-επικεφαλής της εργασίας. Οι ερευνητές ανέμιξαν και δοκίμασαν κάθε δείγμα με το χέρι, αλλά τα ρομπότ θα μπορούσαν να χειριστούν τα συστήματα διανομής και ανάμειξης σε μελλοντικές εκδόσεις συστήματος.
Τελικά, οι ερευνητές σχεδιάζουν να δοκιμάσουν τη διαδικασία AI για χρήσεις πέρα από την ανάπτυξη νέων μελανιών τρισδιάστατης εκτύπωσης.
"Αυτό έχει ευρείες εφαρμογές στην επιστήμη των υλικών γενικά", είπε ο Foshey. "Για παράδειγμα, εάν θέλατε να σχεδιάσετε νέους τύπους μπαταριών που να είναι υψηλότερης απόδοσης και χαμηλότερου κόστους, θα μπορούσατε να χρησιμοποιήσετε ένα σύστημα όπως αυτό για να το κάνετε. Ή, εάν θέλετε να βελτιστοποιήσετε τη βαφή για ένα αυτοκίνητο που έχει καλή απόδοση και είναι φιλικό προς το περιβάλλον, αυτό το σύστημα θα μπορούσε να το κάνει και αυτό."
Οι δυνατότητες για υλικά που βασίζονται σε τεχνητή νοημοσύνη είναι "ατελείωτες" μόλις αναπτυχθεί ο αλγόριθμος και το μηχάνημα έχει αρκετά δεδομένα για να αρχίσει να τον εφαρμόζει με ακρίβεια, είπε ο Lorusso.
"Πιστεύουμε ότι είναι χρήσιμο να βρίσκουμε νέα υλικά επειδή οι επιδόσεις που επιτυγχάνονται σήμερα από σούπερ πολυμερή και σύνθετα υλικά προσφέρουν τη δυνατότητα παραγωγής εξαρτημάτων τελικής χρήσης", πρόσθεσε. "Θα μπορούσαν να αντικαταστήσουν τα μέταλλα και να δημιουργήσουν ένα μοντέλο κυκλικής οικονομίας, όπου η πρώτη ύλη συνεχίζει να αναγεννάται μέσω συνεχούς ανακύκλωσης."
