华盛顿州立大学的研究人员利用人工智能识别出一种更快且成本更低的3D打印高性能金属合金的方法，避免了手动测试超过1亿种可能的打印配置。这一进展最终可能使这种在航空航天应用中广泛使用的合金，以及其他行业的潜在用途，可以在更常见的商业设备上进行打印。该团队开发的人工智能策略也可能对涉及大量实验的其他科学问题（包括药物发现）有帮助。华盛顿州立大学电气工程与计算机科学学院和机械与材料工程学院的研究人员在人工智能AAAI会议的《论文集》中发表了这一成果。该项目还获得了该组织年会上颁发的创新应用奖。“90%的商业打印机无法打印这种金属合金，因此考虑到我们能够找到这些可行的工艺参数，这使我们可以使用这些商业打印机，并且我们实际上是在使这种合金的打印民主化，”研究负责人、计算机科学的胡尔-罗杰斯讲座教授兼工程的贝瑞杰出教授雅娜·多帕（Jana Doppa）说道。极端热量下的NASA合金 材料GRCop-42是一种由铜、铬和铌制成的合金。NASA为需要热阻和高效热传递的极端环境开发了这种材料。由于GRCop-42具有高热导率，并在极端温度下保持其强度，因此被用于航空航天系统，包括液体火箭发动机燃烧室。然而，尽管这种材料具有令人满意的性能和更广泛的潜在应用，但由于3D打印过程中通常需要相当大的激光功率和能量，因此其打印困难且成本高昂。之前尝试使用更常见的商业机器上较低瓦数打印GRCop-42均未成功。逐一测试可能的打印设置也是不切实际的。每次尝试都消耗昂贵的材料，需要专业设备，并需消耗大量人力。一批打印的成本可能高达数百美元，彻底分析成品样本则可能需要几天时间。“有时它们打印了一定配置，但产品只是融化了，”论文第一作者、计算机科学博士生阿扎·法德赫尔（Azza Fadhel）说。“它并不真正可打印，即使有时间和金钱，他们也无法尝试所有1亿个选项。我们合作的工作是应用人工智能，以便有效地从这个非常大搜索空间中选择候选者。” 人工智能搜索超过1亿种可能性 研究人员从37种在机械与材料工程学院之前实验中失败的打印配置数据开始。利用这些结果，他们开发出一种可以估计未测试设置组合成功打印可能性的方法。然后，人工智能模型推荐了一小组新的配置供测试。其选择在两个优先事项之间取得平衡。一些实验专注于看似特别有前景的配置，而其他实验则探索搜索空间中较不确定的部分，以提供新信息并改善模型。机械与材料工程学院的内森·祖克赫特（Nathaniel Zuckschwerdt）、苏斯米塔·博斯（Susmita Bose）和阿米特·班迪奥帕迪亚（Amit Bandyopadhyay）与团队合作，使用人工智能选择的配置打印GRCop-42，并评估成品样本。明尼苏达大学的阿里安·德什瓦尔（Aryan Deshwal）也参与了该项目。“他们会把结果告诉我，我喜欢所有结果——即使失败——因为每个结果都改善了我们的人工智能模型，”法德赫尔说道。 降低功率可扩大获取成功打印合金的可能性，可以带来几种好处。这可以减少能源消耗，减少打印设备的磨损，并降低与打印后样品处理相关的成本。这也可以使GRCop-42可供大学、小实验室和没有专业高功率打印系统的公司使用。困难在于，研究人员已经知道，在超过1亿种可能的配置中，成功的设置将是极为罕见的。“这是一个非常具有挑战性的人工智能案例，”多帕说。“每次尝试时，你基本上得到一个成功或失败的二元信号，而你试图最小化尝试次数，以便快速找到那些成功的‘针’。”尽管 odds如此，该团队在三个月的工作中发现了六种不同激光功率水平下的成功配置，同时将项目限制在总共仅40次实验中。他们首次成功使用500瓦的激光功率打印GRCop-42。