人工智能加速了3D打印材料的发现新利18官方

越来越受欢迎的新利18官方用于制造各种各样的物品，从定制医疗设备也为特殊用途的新型3D打印材料创造了更多的需求。新利18官方

为了减少发现这些新材料所需的时间，麻省理工学院的研究人员开发了一种数据驱动的过程，使用机器学习来优化新的3D打印新利18官方材料具有多种特性，如韧性和抗压强度。

通过简化材料开发，该系统降低了成本，减少了化学废料的数量，减少了对环境的影响。的机器学习算法还可以通过提出人类直觉可能忽略的独特化学配方来刺激创新。

“材料开发在很大程度上仍然是一个人工过程。化学家进入实验室，手工混合原料，做样品，测试，然后得出最终配方。但是而不是一位化学家只能做几个迭代的天,我们的系统可以做数百个迭代在同一时间跨度,”迈克Foshey说机械工程师和项目经理计算设计和制造组(细化)计算机科学与人工智能实验室的权力)。

优化探索

在研究人员开发的系统中，进行了优化算法执行大量的试错发现过程。材料开发人员选择一些材料，将其化学成分的细节输入到算法中，并定义新材料应该具有的机械性能。然后算法增加或减少这些组件的数量(比如放大器上的旋钮)，并检查每个公式如何影响材料的性能，然后得出理想的组合。

然后开发人员混合、处理和测试该样本，以了解材料的实际性能。开发人员将结果报告给算法，算法自动从实验中学习，并使用新的信息来决定要测试的另一个公式。

“我们认为，在许多应用中，这将优于传统方法，因为你可以更多地依赖优化算法来找到最优解决方案。你不需要一个专业的化学家在手边预先选择材料配方，”福希说。

研究人员已经创建了一个免费的、开源的材料优化平台，叫做autoed，它包含了相同的优化算法。autoed是一个完整的软件包，也允许研究人员进行他们自己的优化。

制作材料

研究人员对该系统进行了测试，利用它优化了一种新的3D打印油墨的配方，这种油墨在紫外线照射下会变硬。新利18官方他们确定了在配方中使用的六种化学物质，并设定了算法的目标，以揭示在韧性、压缩模量(刚度)和强度方面性能最好的材料。

手动最大化这三个属性尤其具有挑战性，因为它们可能相互冲突;例如，最坚固的材料可能不是最坚硬的。使用手动过程，化学家通常会试图在一个时间最大化一种属性，导致许多实验和大量浪费。

该算法仅测试了120个样本，就得出了12种性能最好的材料，它们在三种不同性能之间的权衡是最优的。

Foshey和他的合作者对算法能够生成的各种材料感到惊讶，他们说基于六种成分得出的结果比他们预期的要多样化得多。该系统鼓励探索，这在无法直观地发现特定材料属性的情况下尤其有用。

未来更快

通过使用额外的自动化，这一过程可以进一步加快。Foshey说，研究人员用手混合和测试每个样本，但机器人可以在未来版本的系统中操作分配和混合系统。

在更远的道路上，研究人员还想测试这种数据驱动的发现过程，使之超越开发新的3D打印油墨。新利18官方“这在材料科学领域有着广泛的应用。例如，如果你想设计效率更高、成本更低的新型电池，你可以使用这样的系统来实现它。或者，如果你想为一辆性能良好且环保的汽车优化油漆，这个系统也可以做到这一点。”

波士顿大学机械工程系的助理教授Keith a . Brown说，因为它提出了一种识别最佳材料的系统方法，这项工作可能是实现高性能结构的重要一步。

“对新材料配方的关注尤其令人鼓舞，因为这是一个经常被受商业可用材料限制的研究人员忽略的因素。数据驱动的方法和实验科学的结合使得团队能够以一种有效的方式识别材料。因为实验效率是所有实验人员都能确定的东西，这里的方法有机会激励社区采用更多的数据驱动的实践，”他说。