Искусственный интеллект совершенствует 3D-печать из мягких материалов

Исследователям из Университета Карнеги-Меллон в США удалось разработать иерархический алгоритм машинного обучения (HML), позволяющий учитывать эти переменные и оптимизировать результаты 3D-печати силикона с использованием технологии Freeform Reversible Embedding (FRE).

Инновационный алгоритм помогает подобрать оптимальные значения переменных в разных категориях, среди них – собственно материалы для 3D-печати, пропорции их смешивания и процесс, включая скорость подачи материала и движения печатной головки. Все настройки взаимосвязаны – общая совокупность параметров создает сложную систему для максимальной производительности 3D-печати.

Хотя оптимизация алгоритма никак не повлияла на разрешение 3D-печати, она увеличила скорость печати в 2,5 раза и позволила использовать материалы, с которыми ранее не удавалось достичь удовлетворительных результатов. Алгоритм также позволил выявить уникальную формулу силикона и соответствующие настройки 3D-печати, к которым не получилось прийти методом проб и ошибок в ходе предыдущих испытаний.