Исследователи нашли с помощью ИИ более дешёвый способ 3D-печати сплава, используемого НАСА
Учёные Вашингтонского государственного университета использовали методы искусственного интеллекта, чтобы обнаружить более быстрый и менее затратный способ трёхмерной печати высокоэффективного металлического сплава, избежав необходимости вручную проверять свыше ста миллионов возможных параметров печати. Этот прорыв может со временем позволить печатать сплав, широко применяемый в аэрокосмической отрасли, на более распространённом коммерческом оборудовании, а сама стратегия на основе ИИ может оказаться полезной и для других научных задач с огромными пространствами вариантов, в том числе в поиске лекарств. Работа подготовлена исследователями из Школы электротехники и информатики и Школы машиностроения и материаловедения Вашингтонского государственного университета и опубликована в материалах конференции по искусственному интеллекту AAAI. Проект также получил награду Innovative Deployed Application Award на ежегодной конференции организации.
«Девяносто процентов коммерческих принтеров не способны печатать этот металлический сплав, поэтому, раз нам удалось найти жизнеспособные параметры процесса, это позволяет использовать коммерческие принтеры и фактически демократизировать печать этого сплава», — сказала Яна Доппа, профессор компьютерных наук, руководитель исследования.
Сплав НАСА для экстремального нагрева
Речь идёт о сплаве GRCop‑42, основанном на меди с добавками хрома и ниобия. Этот материал разработан для особо требовательных условий, где одновременно необходима жаропрочность и эффективный теплообмен. Благодаря высокой теплопроводности при сохранении прочности при экстремальных температурах сплав применяется в аэрокосмических системах, в том числе в камерах сгорания жидкостных ракетных двигателей. Несмотря на привлекательные свойства и более широкие перспективы применения, GRCop‑42 трудно и дорого печатать в аддитивных процессах, поскольку обычно для этого требуется значительная мощность лазера и энергозатраты. Ранее попытки печати GRCop‑42 на более слабых по мощности коммерческих установках не увенчались успехом. Проверять возможные настройки по одной также непрактично: каждая попытка потребляет дорогостоящий материал, требует специализированного оборудования и значительных трудозатрат. Одна пробная печать может стоить сотни долларов, а тщательный анализ готового образца занимает дни.
«Иногда печатали определённую конфигурацию, и продукт просто плавился, — сказала Азза Фадель, соавтор статьи и аспирантка по компьютерным наукам. — Это было непригодно для печати, и даже при наличии времени и денег нельзя было перепробовать все сто миллионов вариантов. В нашем сотрудничестве мы применяли ИИ, чтобы эффективно выбирать кандидатов из этого огромного пространства поиска».
ИИ перебрал свыше ста миллионов вариантов
Исследователи начали с данных о 37 конфигурациях печати, которые ранее оказались неработоспособными в экспериментах Школы машиностроения и материаловедения. На основе этих результатов они разработали метод, способный оценивать вероятность успеха для непроверенных сочетаний параметров. Модель ИИ затем рекомендовала небольшие группы новых конфигураций для тестирования. Выборы модели балансировали две цели: одни эксперименты сосредотачивались на наиболее перспективных конфигурациях, другие — исследовали менее изученные участки пространства параметров, чтобы получить новую информацию и улучшить модель. Исследователи из Школы машиностроения и материаловедения — Натанель Цукшвердт, Сусмита Бозе и Амит Бандиопадхьяй — работали с группой по печати GRCop‑42 по конфигурациям, выбранным ИИ, и затем оценивали готовые образцы; в проекте также участвовал Арьян Дешвал из другого университета.
«Они возвращали мне результаты, и мне нравились все — даже неудачные — потому что каждый результат улучшал нашу модель ИИ», — отметила Фадель.
Успешная печать сплава при сниженной мощности лазера даёт несколько преимуществ: снижение энергопотребления, уменьшение износа печатного оборудования и сокращение затрат на последующую обработку образцов. Кроме того, это может сделать GRCop‑42 доступным университетам, небольшим лабораториям и компаниям, не имеющим специализированных высокомощных установок. Сложность заключалась в том, что успешные настройки, как ожидалось, будут встречаться крайне редко среди более чем ста миллионов возможных комбинаций.
«Это очень сложный случай для ИИ, — сказала Доппа. — Каждый раз вы по сути получаете бинарный сигнал успеха или неудачи, и задача — минимизировать число попыток, чтобы как можно быстрее найти те успешные иголки в стоге сена». Несмотря на эти шансы, команда нашла шесть работоспособных конфигураций при разных уровнях мощности лазера в ходе трёх месяцев работы, ограничившись всего сорока экспериментами. Впервые им удалось успешно напечатать GRCop‑42, применив лазер мощностью 500 ватт.
Универсальный инструмент для научных открытий
Исследователи отмечают, что тот же подход, управляемый ИИ, может быть адаптирован для поиска работоспособных режимов обработки других металлических сплавов и систем аддитивного производства. В более широком смысле метод может помочь учёным решать задачи, где успешные результаты редки, возможных экспериментов чрезвычайно много, и полное тестирование всех опций экономически и временно неприемлемо. Потенциальные области применения выходят за пределы производства и включают иные направления научных исследований, где каждая проба связана с материальными, финансовыми или временными затратами.
«Всегда присутствует неопределённость, когда вы внедряете что‑то, где задействованы реальные люди, материалы и физические затраты, — сказала Доппа. — Мы не знали, удастся ли нам, и риск всегда имелся. Меня очень удивило, что нам удалось сделать это так успешно».
Авторы работы: Азза Фадель, Натанель В. Цукшвердт, Арьян Дешвал, Сусмита Бозе, Амит Бандиопадхьяй, Яна Доппа.
Заголовок публикации: Discovery of Feasible 3D Printing Configurations for Metal Alloys via AI‑Driven Adaptive Experimental Design.