3D打印网-中国3D打印门户移动版

         未来的3D打印将“长上人工智能的大脑”。详细剖析了人工智能如何赋能3D打印从前处理、加工过程、以及后处理过程的方方面面，本期将聚焦前处理过程。

        在前处理步骤，ML-人工智能已经渗透到材料和设计空间。目前在3D打印材料领域，需要关注的是美国政府的材料基因组计划，材料基因组工程研究是计算材料科学背后的驱动力，用于设计和制造具有新的和不同特性的新材料。在设计领域，需要关注的是创成式设计软件，在这方面，创成式设计软件的设计逻辑以及世界上主流的创成式设计软件。

人工智能赋能制造
© 3D科学谷白皮书

 赋能材料开发与设计自动化

        为什么材料基因组对3D打印如此重要？在这方面，值得关注的是ASTM 国际增材制造卓越中心 (AM CoE) 和创始行业成员于2022年5月启动了增材制造卓越中心材料数据和标准化联盟 (CMDS) 计划。ASTM CMDS 的使命是将代表整个 AM 价值流的各行各业的关键组织聚集在一起。

       CMDS 每年将选择感兴趣的材料和应用特定属性（例如静态、循环、热、腐蚀）发布项目，并执行各种项目，最终支持标准和数据集的开发。研究成果和经验将通过 ASTM 相关委员会（如 F42）制定的新 AM 标准和规范提供信息，以推动整个行业的一致性，创建具有属性的和改进的材料规范和基于稳健数据集的结构要求。CMDS的可信数据集支持先进的基于物理、概率和 AI/ML 人工智能建模工具，用于流程优化和快速认证。

根据德国弗朗霍夫研究所-Fraunhofer，未来制造业竞争的关键是材料，以数字形式提供材料的行为，将产品开发与材料开发关联，通过工业 4.0将材料信息链接到整个加工应用链条中，大幅降低材料的全寿命应用成本。

人工智能赋能3D打印
© 3D科学谷白皮书

 人工智能赋能材料开发

根据3D科学谷，正如人工智能在药物领域的作用，一款新药从开始研发到临床试验再到投入市场，通常需要10-15年；随着数字经济时代的到来，大数据、人工智能等技术的应用，将大大缩短药物研发时间，提升效率和质量。在制药行业，人们有兴趣实施AI驱动的解决方案以发现新药并加快将其推向市场的速度。食品和药物管理局进一步推动了这种兴趣，促进将基于AI的技术用于药物开发的创新。总体来说，AI和机器学习旨在改变药物发现过程，从而降低财务成本和上市时间。

根据3D科学谷，在3D打印领域的材料开发方面，人工智能将在两个维度上发挥作用：降低材料开发的财务成本和开发周期。

根据机器之能，Citrine智能材料平台基于尖端AI工具和智能数据管理基础架构搭建而成，可用于数据驱动的材料和化学品开发。平台可基于机器学习模型，结合用户企业的行业知识来预测材料在各种配方下的性能，帮助加速材料研发工作。Citrine智能材料平台可以快速搜索1150万种粉末和纳米颗粒的组合。平台通过针对目标材料的性质按批次寻找组合，识别关联的数据集和数据流，创建材料感知的数据结构；然后基于数据来，生成，细化和验证模型。

3D打印材料的开发方面，美国HRL实验室和Citrine的合作项目中，平台确定了100种粉末和纳米颗粒的候选组合以优化HRL团队需要合成测试的属性。由此产生的材料al7a77是第一种高强度铝合金粉末原料，可以在某些应用中替代中温钛合金。

不仅仅是Citrine, 此前，3D科学谷通过《减少15年的努力，人工智能设计金属3D打印的新合金》一文，揭示了Intellegens的Alchemite™深度学习算法设计的另外一款新合金，这款新合金是通过定向能量沉积（DED）金属3D打印工艺进行制造的，该合金可满足增材制造所需的性能目标，用于制造喷气发动机零部件。

 加速的材料数字化开发

目前，根据3D科学谷的了解GKN正在将材料的数字化与零件增材制造建立联系，通过将GKN Hoeganaes的材料专业知识与增材制造组件功能之间建立数字联系，GKN正在加速从材料到零件的整个工艺链的数字化，从而为零件的致密性、质量的可重复性，认证过程提供数字化基础。

GKN还通过与西门子的合作将数字双胞胎用于实现增材制造中的批量生产。通过强大的过程预测来节省时间，这还意味着可以更好地了解3D打印过程，这是进一步降低成本的一个很好的起点。

目前，GKN已经将激光制造过程中的大部分工艺数字化。现在，GKN希望通过对材料和过程进行全面的数字描述来预测加工过程的结果。

通过将整个环节以数字化作为铺垫，GKN获得大量的大数据，然后从结果中获得深刻的理解。这使得材料公司具备了深刻的数字化的DNA。

人工智能成就超合金

Fraunhofer IWS的专家通过“人工智能”（AI）和“机器学习”的先进方法来提升对加工过程的理解，由Fraunhofer IWS图像处理和数据管理工作组进行研究。通过人工智能，可以找到3D打印数据泛洪中的隐藏联系。

例如，特殊的分析算法将测得的传感器值与研究所的粉末数据库联系起来，并评估进一步的工艺参数。根据3D科学谷的了解，机器逐渐学习如何做出自己的决定。例如，可以自主确定是否可以容忍激光熔覆增材制造过程中温度的轻微升高，还是必须在导致整个组件的加工出现质量缺陷之前立即采取对策。

通常采用单一材料设计飞机发动机整个组件不是很有效，因为组件不会在所有点上都受到相同的热量。最好只在温度很高的地方使用昂贵的高电阻材料，在其他地区，使用较便宜的材料就足够了。这正是增材制造系统可以实现的，一旦人工智能学会了加工所需的超合金，下一步是将各种高性能材料整合到一个组件中。

 人工智能成就更好的设计

在包括材料设计、数字设计、CAD 和其他相关领域的设计空间中，ML-机器学习可以潜在地改革两个主要方面：(a) 用户与机器的交互，(b) 设计软件改进和与流程特征的集成。

根据3D科学谷的市场观察，在过去的二十年里，我们的世界在快速加速的技术力量的推动下发生了根本性的变化。增材制造提供了更高的设计自由以从更深的层次上变革和重新定义制造，而创成式软件正在搭载增材制造这项制造技术以构建面向未来的设计。

在《高80cm，3D打印当前世界上最大的Aerospike气动火箭发动机》， Aerospike 火箭发动机展示了将软件算法的强大功能与世界上最先进的3D打印-增材制造系统相结合的可能性。

创成式设计是人工智能 (AI) 的一种形式，可以为零件以及模具设计提供大量可用于制造的解决方案，甚至可能是开发过程的自动化。有远见的公司使用创成式设计作为制造合作伙伴来帮助弥合技能差距。

人工智能赋能设计
© 3D科学谷白皮书

在设计航空航天或汽车部件时，此前人类可能从未想过向蚂蚁和寻光植物细胞寻求建议，但如果使用创成式设计软件来塑造零件的设计，不过这一切已经不是梦想，实际上已经在做了。

 人工智能实现复杂的设计

在欧特克的一个案例中，为地球设计复杂的机械设备是一项挑战，而将它射入太空并且实现着陆完全是另一回事。这就是为什么Autodesk-欧特克为NASA喷气推进实验室设计的太空着陆器的特殊意义，这是有史以来最复杂的创成式设计的着陆器。

欧特克公司公布的这个全新的着陆器设计，外形酷似一只蜘蛛。通过欧特克的创成式设计软件，这个设计方法运用的是大自然的进化结果的防生学计算公式。设计师和工程师们只需要将设计目标、材料、制造材料和成本限制等数据输入到设计软件中，设计软件就能够快速生成多种设计结果作为选项。

据欧特克公司称，这款着陆器的重量与喷气推进实验室的其它着陆器设计相比降低了35%。它的重量大约为176磅（79.8千克），远低于NASA最新的洞察力号火星着陆器约770磅（约349公斤）的重量。

仿生学不是复制自然形状，而是复制自然解决问题的方法。仿生学和创成式设计之间的真正联系是一些软件如何利用自然界中发现的逻辑来获得其中算法的奥秘。Autodesk Fusion 360内置的Dreamcatcher是目前创成式设计软件的一个典型代表。

在 Autodesk Fusion 360 中，创成式设计的想法受到仿生学中自下而上的方法的启发。令人着迷的是，有一个算法来自“白蚁巢穴，以及白蚁使用信息素相互发送信号的方式，开发人员创造了压力或信息素梯度，核心方法非常简单，但结果却很复杂。

有了这种受自然启发的逻辑作为其创成算法的核心，创成设计程序必然会不时创成有机形状，以不对称和复杂的表面为标志。但目前的制造方法无法与大自然所创造的奇迹相媲美，这使得创成式设计软件本身还有着很多进化的空间。

Fusion 360 中的创成式设计包括制造感知技术，这意味着它可以生成多个受可用设计约束影响的设计选项。此外，减材和增材制造技术可帮助用户了解设计的可能性。创成式设计还可以通过创建人类无法想象的可加工几何形状来提高生产力。

在并行工程支持方面，创成式设计技术使工程团队能够与制造团队合作，根据材料、制造方法和成本限制等参数开发出现实的结果。需要在制造过程的早期跨团队达成共识，从而增强和简化工作流程。

 人工智能赋能设计与交互的方方面面

      要使 AM-增材制造真正与日常和社交活动相结合，用户必须能够轻松地与机器进行交互。机器学习和人工智能可以通过人工智能在图像和语音识别中的应用来改变人与机器之间的交互。

       在许多情况下，3D 扫描用于生成零件的 3D 模型。图像识别人工智能应用可以改进通常用于创建零件 3D 模型的 3D 扫描过程。当用户使用互联网数据库提取 CAD 模型时，人工智能也很有用。人工智能有助于利用物联网和数字空间来利用可用的设计（STL 和其他 CAD 文件）。

      在设计软件改进和与工艺设计的整合上，可以对软件进行修改，以利用微结构设计和自下而上工艺中的增材制造工艺能力。例如，知情设计过程可能会改变设计优化空间，并为创建用于设计优化的程序和软件提供途径。在这方面，不少的市售增材制造软件都提供这方面的功能。

     并行设计的最新进展，其中设计在构建过程中进行自适应修改，以便可以修复或减少残余应力或缺陷等负面影响。这需要深入了解设计参数如何影响残余应力和缺陷，此外，需要一个现场过程监控反馈回路来通知设计过程。在后续的人工智能赋能3D打印系列文章中，3D科学谷将进行深度分享。