人工智能，更具體地說是機器學習，正在通過增材制造行業的各種應用找到自己的出路。這一次，麻省理工學院的研究人員應用機器學習的數據驅動特性來自動化發現新3D打印材料的過程。通過機器學習，材料性能因素（例如韌性和抗壓強度）使用一種算法進行了優化，該算法的性能迅速優于3D打印材料配方的傳統方法。作為這項研究的結果，研究人員創建了一個名為 AutoOED 的免費開源材料優化平臺，允許其他研究人員進行自己的材料優化。
麻省理工學院使用人工智能自動化 3D打印材料發現過程
該算法能夠提出人類可能沒有考慮過的新化學配方。“材料開發在很大程度上仍然是一個手動過程。化學家進入實驗室，手工混合成分，制作樣品，測試它們，并得出最終配方。但不是讓化學家只能在幾天內進行幾次迭代，我們的系統可以在同一時間跨度內進行數百次迭代， ”該論文和機械工程師和項目的共同主要作者 Mike Foshey 解釋說。計算機科學與人工智能實驗室 (CSAIL) 計算設計與制造組 (CDFG) 經理。
麻省理工學院使用人工智能自動化 3D打印材料發現過程
3D打印材料
 
確定了在配方中使用的六種化學品，然后算法的目標是發現性能最好的材料，控制韌性、剛度和強度。在材料發現過程的自動化方面，使用麻省理工學院的這種方法，可以在沒有人工輸入的情況下完成分配、混合、3D 打印、后處理和測試步驟。然而，在樣品制造管道的不同步驟之間轉移材料需要人工——不過，Foshey 認為機器人可以納入該系統的未來版本中以消除人工。在測試了 120 種配方后，該研究產生了 12 種優化配方——研究人員得出結論，他們的研究方法可以推廣到其他材料設計系統中，從而在其他材料科學中實現自動化發現。