來自能源部（DoE）阿貢國家實驗室的工程研究人員將使用社交媒體人工智能技術(shù)來更好地優(yōu)化3D打印部件的幾何形狀。

阿貢的首席機械工程師馬克-梅斯納(Mark Messner)是早在2019年最初開發(fā)這種新方法的人之一，他聲稱這是預(yù)測材料在極端溫度和壓力下可能表現(xiàn)的一種更好方式。雖然目前基于模擬的預(yù)測方法如愿以償，但它們往往需要超級計算機級別的處理能力（和大量的耐心）來準確預(yù)測幾何體在某些條件下可能的行為。

"梅斯納說："你通常必須運行大量的基于物理學(xué)的模擬來解決這個問題。

如果研究人員已經(jīng)有了一套特定的屬性，如剛度、密度和強度，并想確定他們需要產(chǎn)生這些屬性的優(yōu)化部件結(jié)構(gòu)，那么這一點尤其正確。據(jù)報道，作為一種替代方法，阿貢的方法比現(xiàn)代的零件性能模擬快2000多倍，并且能夠在帶有消費級GPU的普通筆記本電腦上運行。



社交媒體是如何發(fā)揮作用的？
梅斯納的工作可以追溯到他在勞倫斯-利弗莫爾國家實驗室擔(dān)任博士后研究員的時候，當時他和他的團隊正試圖3D打印復(fù)雜的微米級結(jié)構(gòu)。據(jù)報道，該團隊的進展緩慢，因此他們將目光投向了人工智能，看看是否能加快他們的研究。

當時，硅谷新興的社交媒體巨頭已經(jīng)開始使用卷積神經(jīng)網(wǎng)絡(luò)，這是一種能在大量數(shù)據(jù)集中找到模式的人工智能，用于圖像中的面部和物體識別。梅斯納認為他可以將這一概念應(yīng)用于三維領(lǐng)域。

"他解釋說："我的想法是，一種材料的結(jié)構(gòu)與三維圖像沒有區(qū)別。"有道理的是，這個神經(jīng)網(wǎng)絡(luò)的3D版本將很好地識別結(jié)構(gòu)的屬性--就像一個神經(jīng)網(wǎng)絡(luò)學(xué)會了一個圖像是一只貓或其他東西一樣。"

為了看看他的想法是否可行，梅斯納設(shè)計了一個確定的三維幾何體，并使用傳統(tǒng)的基于物理學(xué)的模擬來創(chuàng)建一組200萬個數(shù)據(jù)點。每個數(shù)據(jù)點都將他的幾何體與密度和剛度的 "理想 "值聯(lián)系起來。然后，他將這些數(shù)據(jù)點輸入一個神經(jīng)網(wǎng)絡(luò)，并訓(xùn)練它尋找所需的屬性。

最后，梅斯納使用了遺傳算法--一種迭代的、基于優(yōu)化的人工智能類別--與經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)一起，確定能夠產(chǎn)生他所尋求的特性的結(jié)構(gòu)。令人印象深刻的是，他的人工智能方法找到了正確的結(jié)構(gòu)，比傳統(tǒng)的物理模擬快2760倍。



人工智能、3D打印和核部門
人工智能方法最有希望的應(yīng)用之一是在3D打印領(lǐng)域。由于該方法傾向于提出極其復(fù)雜的幾何形狀，傳統(tǒng)的制造工藝將難以實際生產(chǎn)模型所建議的結(jié)構(gòu)。三維打印的添加性使得制造這些優(yōu)化的結(jié)構(gòu)成為可能，無論幾何形狀有多復(fù)雜，都能使科學(xué)家實現(xiàn)他們所尋求的特性。

Messner認為 "機械工程的未來 "很可能是人工智能和增材制造的結(jié)合。"你可以把由神經(jīng)網(wǎng)絡(luò)決定的結(jié)構(gòu)交給擁有3D打印機的人，他們會按照你想要的性能打印出來。我們還沒有完全達到這個目標，但這是我們的希望。"

該技術(shù)的一個更直接的應(yīng)用是在核工業(yè)中，用于材料設(shè)計。事實上，梅斯納的團隊目前正在與核電創(chuàng)業(yè)公司Kairos Power合作，利用人工智能設(shè)計一個熔鹽核反應(yīng)堆核心。阿貢的模型最終將幫助Kairos團隊預(yù)測不銹鋼316H在幾十年內(nèi)如何處理核反應(yīng)堆核心固有的高溫和壓力。

"這是我們?yōu)镵airos Power所做工作的一小部分，但卻是至關(guān)重要的，"阿貢的核工程師Rui Hu總結(jié)道。"Kairos Power希望有非常準確的模型來說明反應(yīng)堆部件在其反應(yīng)堆內(nèi)的行為，以支持其向核管理委員會提出的許可申請。我們期待著提供這些模型。"

人工智能和機器學(xué)習(xí)無疑已經(jīng)進入了3D打印領(lǐng)域，在從材料設(shè)計到缺陷檢測等方面都有應(yīng)用。本月早些時候，查爾斯大學(xué)計算機圖形學(xué)組（CGG）的研究人員開發(fā)了一種基于ML的技術(shù)，可以幫助解鎖更高的保真度的c

人工智能和機器學(xué)習(xí)無疑已經(jīng)進入了3D打印領(lǐng)域，從材料設(shè)計到缺陷檢測都有應(yīng)用。本月早些時候，查爾斯大學(xué)計算機圖形組（CGG）的研究人員開發(fā)了一種基于ML的技術(shù)，可以幫助解鎖更高保真度的彩色3D打印。通過模擬3D打印過程，該團隊能夠訓(xùn)練一種算法，以找到限制顏色滲漏的最佳構(gòu)建參數(shù)，并提高零件精度。

在其他地方，在阿貢和德克薩斯A&M大學(xué)，科學(xué)家們以前開發(fā)了一種新穎的ML方法來檢測3D打印部件的缺陷。利用實時溫度數(shù)據(jù)和ML算法，科學(xué)家們能夠在熱歷史和次表面缺陷的形成之間建立相關(guān)聯(lián)系。

內(nèi)容來源：中關(guān)村在線 企鵝號