研究团队开发的AI工具提升新型3D打印材料发现速度

随着3D打印技术在各领域的广泛应用，对新型3D打印材料的需求也在增加。为缩短发现周期，研究团队开发了一种数据驱动的程序，通过机器学习来优化具备多种特性的新型材料，如韧性和压缩强度。

通过简化材料开发流程，该系统降低了成本，同时减少化学废物的产生，从而减轻对环境的影响。机器学习算法还能提出人类直觉可能忽略的独特化学配方，推动创新。

该论文的共同作者、计算机科学与人工智能实验室的机械工程师兼项目经理 Mike Foshey 表示，材料开发在很大程度上仍依赖手工劳动。传统上，化学家需要在实验室里逐步混合成分、制备样品、进行测试，最终得出配方。若以往以每天几次迭代的速度推进，如今的系统可在相同时间内完成数百次迭代。

在该系统中，一个优化算法承担了大部分试错发现的过程。材料开发者输入所选成分及其化学细节，并设定新材料需要达到的机械性能。算法据此增减成分数量，评估各配方对材料特性的影响，最终给出理想的组合。

随后，开发人员混合、加工并测试样品以评估实际性能；测试结果反馈给算法，算法据此从实验中学习，并使用新信息决定下一个要测试的配方。

研究人员还创建了一个免费的开源材料优化平台 AutoOED，包含相同的优化算法。AutoOED 提供完整的软件包，便于研究人员开展自定义优化。

为验证系统的效力，研究人员应用该系统优化一种新型3D打印墨水的配方，该墨水在紫外线下会变硬。他们确定了配方中使用的六种化学品，并将算法的目标定位于韧性、压缩模量与强度的综合表现最优的材料。