AI 加速 3D 打印金属合金的工艺设计

为了成功地按照许多行业要求的严格规格 3D 打印金属零件，必须优化工艺参数，包括打印速度、激光功率和沉积材料的层厚度。

但为了开发确保最佳结果的增材制造工艺图，研究人员不得不依赖传统方法——实验室实验，使用非原位材料表征来测试使用各种参数打印的零件。为了开发最佳工艺而测试如此多的参数组合可能既耗时又昂贵，特别是考虑到增材制造中可使用的金属和合金种类繁多。

卡内基梅隆大学机械工程学院的 David Guirguis、Jack Beuth 和 Conrad Tucker 开发了一种使用超高速原位成像和视觉变换器的系统，该系统不仅可以优化这些工艺参数，而且还可以推广应用到各种金属合金。

他们的工作发表在《自然通讯》杂志上。

视觉转换器是机器学习的一种形式，它将最初为自然语言处理任务开发的神经网络架构应用于图像分类等计算机视觉任务。视频视觉转换器更进一步，使用视频序列而不是静态图像来捕获空间和时间关系，使模型能够学习视频数据中的复杂模式和依赖性。

自注意力机制允许自然语言处理模型权衡序列中不同单词的重要性，使 Guirguis 创建的模型能够权衡输入序列不同部分的重要性，以预测缺陷的发生。

“我们需要使这个过程自动化，但仅靠计算机编程是无法完成的，”机械工程博士后吉尔吉斯解释道。“为了捕捉模式，我们需要应用机器学习。”

“我们很高兴开发出一种人工智能方法，该方法利用增材制造成像数据中的时间特征来检测不同类型的缺陷。使用不同的增材制造金属来证明人工智能方法的通用性是开创性的，并表明相同的经过训练的人工智能模型可以在没有任何缺陷的情况下使用。使用额外数据进行昂贵的再培训，”机械工程学教授塔克说道。