3d打印|30次实验发现12种最佳配方，MIT最新AI算法将3D打印材料性能空间扩大288倍 3d打印|投稿

文章图片

图片来源@视觉中国

文丨学术头条，作者丨库珀，编审丨寇建超

3D 打印，也被称为增材制造（Additive Manufacturing，AM），是目前人类制造业的前沿技术之一，有望使制造出以前难以制造的产品成为可能，在航空航天、建筑、汽车、牙科、食品、武器乃至人造器官等领域都拥有广泛的应用前景。
尽管存在许多用于 3D 打印的材料，例如金属材料、非金属材料以及医用生物材料等，但大多数材料都存在性能权衡问题，因为很多材料是用低效的、基于人类直觉的方法设计的，并非最佳材料解决方案。
近日，来自麻省理工学院计算机科学与人工智能实验室（CSAIL）的科研团队提出了一种机器学习方法，它能够加速发现机械性能最佳的 3D 打印材料，相关研究论文以“Accelerated discovery of 3D printing materials using data-driven multiobjective optimization”为题，发表在科学期刊 Science Advances 上。
【3d打印|30次实验发现12种最佳配方，MIT最新AI算法将3D打印材料性能空间扩大288倍】

3d打印|30次实验发现12种最佳配方，MIT最新AI算法将3D打印材料性能空间扩大288倍

文章图片

图｜3D 打印设备（来源：维基百科）
在没有主要配方的先验知识的情况下，论文所提出的方法仅在 30 次实验迭代后就自动揭示了 12 种最佳配方，并将发现的性能空间扩大了 288 倍，这种方法有望推广到其他材料设计系统，实现最佳材料的自动发现。

寻找最佳复合配方近年来，玻璃、电池、高温陶瓷和人造器官等已成功实现了 3D 打印，在各种聚合物打印方法中，立体光刻和材料喷射 3D 打印显示出了很好的应用前景，如机器人组件、假肢、生物支架和定制商品等（如鞋类、衣物、建筑、模型等）。
然而，新 3D 打印材料的开发目前依赖于聚合物化学领域知识和广泛的试验才能发现，这限制了材料开发的效率和可扩展性。且当下 3D 打印材料普遍一次使用一个性能因素进行设计和优化，这种方法通常需要测试过多的样本，产生大量浪费和不良的环境影响，却并不能找到最佳解决方案。
因此，3D 打印技术想要更加普及，加速开发具有最佳性能的材料至关重要。
而且，为了应对未来生物工程和航空航天工程等不同应用领域的技术挑战，3D 打印还需要能针对特定应用优化材料性能。
在论文中，研究人员提出了一种半自动化的数据驱动工作流程，寻找用于 3D 打印技术的新型光固化油墨，展现出了成本效益和效率，该工作流程的目的是寻找一组最佳复合配方，在实验中，材料方案由六种主要的光固化油墨配方组成，以改善机械性能，使其超过手动设计的主要配方性能水平，这些复合配方可自动针对多个性能目标进行优化，只需进行有限的实验。

文章图片

图｜加速材料发现系统的工作流程示意图（来源：Science Advances）
工作流程如上图所示，首先研究人员根据需要按特定比例分配初级配方（图 A），然后将其彻底混合（图 B）以制备复合配方，接下来，将每个复合配方转移到喷射阀 3D 打印机中进行样品制备（图 C），然后进行后处理（图 D）以完成样品制备。最后，通过对样品进行测试，以提取其多个定量机械性能参数（即韧性、压缩模量和最大压缩模量、抗压强度）（图 E）。