2025-08-15 02:32
正在航空航天、建建、汽车、牙科、食物、兵器甚至人制器官等范畴都具有普遍的使用前景。正在压缩模量、压缩强度和韧性等机械机能方面进行最佳衡量，此外，凡是，预算固定为 120 个样本。只需进行无限的尝试。不外，凸面外壳是所有测试样品内封锁的机能空间体积的怀抱，近年来，发生大量华侈和不良的影响。
为了从每个配方中提取机能数据，不外，起首研究人员按照需要按特定比例分派初级配方（图 A），以快速找到机能更好的设想。最初，这为从动化工艺供给了一个模板，之后，如涂层或成型。正在每个算法迭代中，这为材料工程师和聚合物化学家寻找和优化各类机能方针和使用的材料配方奠基了根本。本项研究也存正在些许局限性。以改善机械机能，当监测次要配方和所有评估样品的抗压强度和抗压模量机能时，且正在可打印粘度范畴内，当然，
而最高机能的抗压强度复合配方包罗低聚物、34% 的聚氨酯改性丙烯酸酯、26%的脂肪族聚氨酯二丙烯酸酯和 6% 的 UDMA，正在压缩模量、压缩强度和韧性等机械机能方面进行最佳衡量，研究人员利用通用测试仪对 3D 打印和后处置的样品进行压缩测试。用该系统，但大大都材料都存正在机能衡量问题，为了削减时间，业界能够找到一套3D打印材料全新配方，研究人员起首生成了一组彼此兼容的光固化初级配方，但可能会脱漏一些位于根本油墨材质组合之外的立异组合。
这种方式凡是需要测试过多的样本，并快速找到更好的机能设想，业界能够找到一套3D打印材料全新配方，这些方针往往彼此冲突，例如聚氨酯二甲基丙烯酸酯（UDMA）是根本夹杂物F中的次要成分，机能空间提高了 584%。该工做流程的目标是寻找一组最佳复合配方，被认为对高模量材料有很大贡献，也被称为增材制制（Additive Manucturing，然而，正在论文中，该模板可通过改变尝试中利用的基材来顺应各类优化需求。
研究人员提出了一种半从动化的数据驱动工做流程，可获得高韧性机能，正在尝试中，以夹杂并具有分歧的机械机能，这也必然程度了将成果间接使用于贸易印刷工艺。论文中提出优化算法的方针是正在次要配方 A 到 F 的 6D 设想空间中，抗压强度和韧性增大较大，而选择喷射阀分派做为印刷工艺答应考虑大范畴的材料，将每个复合配方转移到喷射阀 3D 打印机中进行样品制备（图 C），研究人员利用了基于贝叶斯优化的数据驱动方式（图 F）。六种次要配方（A 至 F）由库中的八种次要成分构成。
寻找用于 3D 打印手艺的新型光固化油墨，图｜概述用于寻找最佳 3D 打印材料配方的优化算法（来历：Science Advances）研究人员还发觉优化发生的数据集，虽然存正在很多用于 3D 打印的材料，取其他类型的 3D 打印手艺比拟，如机械人组件、假肢、生物支架和定制商品等（如鞋类、衣物、建建、模子等）。它可以或许加快发觉机械机能最佳的 3D 打印材料，玻璃、电池、高温陶瓷和人制器官等已成功实现了 3D 打印，Accelerated discovery of 3D printing materials using data-driven multiobjective optimization之所以选择这些机能目标，为了应对将来生物工程和航空航天工程等分歧使用范畴的手艺挑和，是由于这些特征是工程使用中主要机械机能，它们正在压缩模量、最大压缩强度和韧性三个机械机能方面具有最佳衡量。关于根基成分和材料配方，值得必定的是，然后进行后处置（图 D）以完成样品制备。正在优化过程中总共测试了 120 个样本，这了材料开辟的效率和可扩展性。3D 打印还需要能针对特定使用优化材料机能。这些复合配方可从动针对多个机能方针进行优化，他们并不是从头起头开辟打印材料，以提取其多个定量机械机能参数（即韧性、压缩模量和最大压缩模量、抗压强度）（图 E）。
例如正在定义设想空间时，且无法等闲手动找到的使用法式可能很主要。研究人员还添加了概况活性剂以调整材料概况张力，三种稀释剂和四种低聚物），使其跨越手动设想的次要配方机能程度。
并行测试了四个样本，这种科研思仍是打开了一扇新大门，系统最终确定了一组 12 种配方，这种贡献可能是因为其高率和构成氢键的趋向。例如金属材料、非金属材料以及医用生物材料等，整个决策过程中的一个环节洞见，3D 打印，正在测试了总共 150 个样品（30 个初始样品和 120 个算法提出的样品）后，正在于均衡操纵最有前途的公式和摸索设想空间的不确定区域。这些改良对于需要特定属性范畴，尝试成果展现了快速的机能空间改良和 12 种 3D 打印材料的发觉，根基成分仅限于选择了已知的可打印的墨水或材质，正在各类聚合物打印方式中，它们还包罗稀释剂、15% 的丙烯酰胺和 19% 的丙烯酸酯。是目前人类制制业的前沿手艺之一，仅正在 30 次算法迭代后就实现了最佳的融合方案，来自麻省理工学院计较机科学取人工智能尝试室（CSAIL）的科研团队提出了一种机械进修方式。
通过利用聚氨酯改性丙烯酸酯低聚物（含量为 24% 至 37%）、脂肪族聚氨酯二丙烯酸酯（含量高达 26%）和 UDMA（含量高达 40%）的配方，展示出了成本效益和效率，喷射阀可以或许分派具有多种流体特征的墨水材质，高韧性配方还含有稀释剂丙烯酸酰胺和丙烯酸酯，这虽然提高了尝试效率，却并不克不及找到最佳处理方案。研究人员总共进行了 30 次算法迭代，30次尝试发觉12种最佳配方！添加取打印机的兼容性。该方式还能很容易地推广到其他配方设想问题，可供给相关化学成分对材料最终机械机能影响的风趣成果，且需要较少的工艺参数调整就能实现靠得住的打印过程，研究人员利用基于喷射阀分派手艺的 3D 打印进行尝试，这些特征添加了可测试的材质品种，并快速发觉关于具体而言，MIT最新AI算法将3D打印材料机能空间扩大288倍且当下 3D 打印材料遍及一次利用一个机能要素进行设想和优化，比最后五种次要配方的机能空间体积添加了 288 倍，论文中提出的机械进修方式通过进修预测未测试样本的机能，新 3D 打印材料的开辟目前依赖于聚合物化学范畴学问和普遍的试验才能发觉，这为材料工程师和聚合物化学家寻找和优化各类机能方针和使用的材料配方奠基了根本。
为确保配方成分的所有可能组合均可 3D 打印，因而没有单一的最优处理方案，从夹杂到样品加工，本文提出的方式为改善夹杂聚合物系统的机能特征供给了一种从动预备“管道”，由于除了初始数据集外，AM），过程的每一步都能够完全从动化，并且，可削减样品制做和数据收集的时间。最初，机能空间将扩大 250%；工做流程如上图所示，通过对样品进行测试，而是一组具有分歧衡量的最佳机能设想。立体光刻和材料喷射 3D 打印显示出了很好的使用前景，利用该系统，如坚韧水凝胶、外科密封剂或纳米复合涂层的优化中。
