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(ti) 人工智能技術來更好地優(you) 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年最初開發這種新方法的人之一，他聲稱這是預測材料在極端溫度和壓力下可能表現的一種更好方式。雖然目前基於(yu) 模擬的預測方法如願以償(chang) ，但它們(men) 往往需要超級計算機級別的處理能力（和大量的耐心）來準確預測幾何體(ti) 在某些條件下可能的行為(wei) 。

"梅斯納說："你通常必須運行大量的基於(yu) 物理學的模擬來解決(jue) 這個(ge) 問題。

如果研究人員已經有了一套特定的屬性，如剛度、密度和強度，並想確定他們(men) 需要產(chan) 生這些屬性的優(you) 化部件結構，那麽(me) 這一點尤其正確。據報道，作為(wei) 一種替代方法，阿貢的方法比現代的零件性能模擬快2000多倍，並且能夠在帶有消費級GPU的普通筆記本電腦上運行。

梅斯納的人工智能正在反複優(you) 化零件的幾何形狀。圖片來源：馬克-梅斯納。

社交媒體(ti) 是如何發揮作用的？

梅斯納的工作可以追溯到他在勞倫(lun) 斯-利弗莫爾國家實驗室擔任博士後研究員的時候，當時他和他的團隊正試圖3D打印複雜的微米級結構。據報道，該團隊的進展緩慢，因此他們(men) 將目光投向了人工智能，看看是否能加快他們(men) 的研究。

當時，矽穀新興(xing) 的社交媒體(ti) 巨頭已經開始使用卷積神經網絡，這是一種能在大量數據集中找到模式的人工智能，用於(yu) 圖像中的麵部和物體(ti) 識別。梅斯納認為(wei) 他可以將這一概念應用於(yu) 三維領域。

"他解釋說："我的想法是，一種材料的結構與(yu) 三維圖像沒有區別。"有道理的是，這個(ge) 神經網絡的3D版本將很好地識別結構的屬性--就像一個(ge) 神經網絡學會(hui) 了一個(ge) 圖像是一隻貓或其他東(dong) 西一樣。"

為(wei) 了看看他的想法是否可行，梅斯納設計了一個(ge) 確定的三維幾何體(ti) ，並使用傳(chuan) 統的基於(yu) 物理學的模擬來創建一組200萬(wan) 個(ge) 數據點。每個(ge) 數據點都將他的幾何體(ti) 與(yu) 密度和剛度的 "理想 "值聯係起來。然後，他將這些數據點輸入一個(ge) 神經網絡，並訓練它尋找所需的屬性。

最後，梅斯納使用了遺傳(chuan) 算法--一種迭代的、基於(yu) 優(you) 化的人工智能類別--與(yu) 經過訓練的神經網絡一起，確定能夠產(chan) 生他所尋求的特性的結構。令人印象深刻的是，他的人工智能方法找到了正確的結構，比傳(chuan) 統的物理模擬快2760倍。

卷積神經網絡的拓撲結構。圖片來源：馬克-梅斯納。

人工智能、3D打印和核部門

人工智能方法最有希望的應用之一是在3D打印領域。由於(yu) 該方法傾(qing) 向於(yu) 提出極其複雜的幾何形狀，傳(chuan) 統的製造工藝將難以實際生產(chan) 模型所建議的結構。三維打印的添加性使得製造這些優(you) 化的結構成為(wei) 可能，無論幾何形狀有多複雜，都能使科學家實現他們(men) 所尋求的特性。

Messner認為(wei) "機械工程的未來 "很可能是人工智能和增材製造的結合。"你可以把由神經網絡決(jue) 定的結構交給擁有3D打印機的人，他們(men) 會(hui) 按照你想要的性能打印出來。我們(men) 還沒有完全達到這個(ge) 目標，但這是我們(men) 的希望。"

該技術的一個(ge) 更直接的應用是在核工業(ye) 中，用於(yu) 材料設計。事實上，梅斯納的團隊目前正在與(yu) 核電創業(ye) 公司Kairos Power合作，利用人工智能設計一個(ge) 熔鹽核反應堆核心。阿貢的模型最終將幫助Kairos團隊預測不鏽鋼316H在幾十年內(nei) 如何處理核反應堆核心固有的高溫和壓力。

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

人工智能和機器學習(xi) 無疑已經進入了3D打印領域，在從(cong) 材料設計到缺陷檢測等方麵都有應用。本月早些時候，查爾斯大學計算機圖形學組（CGG）的研究人員開發了一種基於(yu) ML的技術，可以幫助解鎖更高的保真度的c

人工智能和機器學習(xi) 無疑已經進入了3D打印領域，從(cong) 材料設計到缺陷檢測都有應用。本月早些時候，查爾斯大學計算機圖形組（CGG）的研究人員開發了一種基於(yu) ML的技術，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，該團隊能夠訓練一種算法，以找到限製顏色滲漏的最佳構建參數，並提高零件精度。

在其他地方，在阿貢和德克薩斯A&M大學，科學家們(men) 以前開發了一種新穎的ML方法來檢測3D打印部件的缺陷。利用實時溫度數據和ML算法，科學家們(men) 能夠在熱曆史和次表麵缺陷的形成之間建立相關(guan) 聯係。