Создан алгоритм машинного обучения для поиска материалов для 3D-печати
Растущая популярность 3D-печати для изготовления всевозможных изделий — от персонализированных медицинских устройств до дешевых домов, — создала больший спрос на новые материалы для 3D-печати, предназначенные для очень специфических применений. Однако их ручной поиск сегодня отнимает много времени и труда у исследователей.
Теперь ученые представили систему, в которой алгоритм оптимизации методом проб и ошибок способен выявлять наиболее пригодные для использования в объемной печати материалы с заданными характеристиками. Для работы с системой человек должен выбрать несколько ингредиентов, ввести в алгоритм подробную информацию об их химическом составе и определить механические свойства, которыми должен обладать новый материал. Затем алгоритм увеличивает и уменьшает количество этих компонентов и проверяет, как каждая формула влияет на свойства материала. В конечном итоге он должен прийти к оптимальному сочетанию компонентов.
Затем человек смешивает, обрабатывает и тестирует этот образец, чтобы выяснить, как на самом деле работает материал. По итогам эксперимента он сообщает результаты алгоритму, который автоматически извлекает уроки из опыта и использует новую информацию для принятия решения при разработке последующих материалов.
Исследователи создали бесплатную платформу для оптимизации материалов с открытым исходным кодом под названием AutoOED, которая включает в себя тот же алгоритм оптимизации. AutoOED — это полный пакет программного обеспечения, который также позволяет исследователям проводить собственную оптимизацию.
Авторы протестировали систему, заставив ее оптимизировать состав новой краски для 3D-печати, которая затвердевает под воздействием ультрафиолетового света. Ученые определили шесть химических веществ, которые будут использоваться в составе, и поставили задачу алгоритму выявить наиболее эффективный материал с точки зрения прочности, модуля сжатия (жесткости) и твердости. Алгоритм создал 12 наиболее эффективных материалов, которые имели оптимальные сочетания всех трех свойств. Это удалось сделать после тестирования всего 120 образцов.
Статья ученых опубликована в журнале Science Advances.
Исследователи разработали программу, которая подбирает идеальную «рецептуру» для нового материала. Эта технология уменьшит расходы на разработку новых соединений для 3D-печати