3D打印越來越受歡迎，用于制造各種物品，從定制的醫(yī)療設備到負擔得起的家庭，創(chuàng)造了更多的需求，為非常具體的用途設計的新的3D打印材料。

為了縮短發(fā)現這些新材料所需的時間，麻省理工學院的研究人員開發(fā)了一種數據驅動的過程，利用機器學習優(yōu)化具有多種特性的新3D打印材料，如韌性和抗壓強度。

通過簡化材料開發(fā)，該系統(tǒng)降低了成本，減少了化學廢物的數量，減少了對環(huán)境的影響。機器學習算法還可以通過提出人類直覺可能忽略的獨特化學配方來刺激創(chuàng)新。

計算機科學與 (CSAIL)的機械工程師兼項目經理邁克福希(Mike Foshey)表示：“材料開發(fā)在很大程度上仍是一種手工操作?；瘜W家走進實驗室，手工混合配料，制作樣品，，并得出最終配方。但我們的系統(tǒng)不能讓一名化學家在一段時間內進行幾次迭代，我們的系統(tǒng)可以在同一時間內進行數百次迭代?！备ＯＪ怯嬎銠C科學與 (CSAIL)的計算設計與制造集團(CDFG)的機械工程師和項目經理。

其他作者包括CDFG的技術助理蒂莫西厄普斯(TimothyErps)；米娜科納科維奇？盧科維奇？，CSAIL博士后；萬壽，前麻省理工學院博士后，現任阿肯色州大學助理教授；高級作家Wojciech Matusik，麻省理工學院電氣工程和計算機科學教授；漢斯哈根蓋茨克，赫夫迪奇和巴斯夫的克勞斯斯托爾。這項研究今天發(fā)表在科學進步。

優(yōu)化發(fā)現

在研究人員開發(fā)的系統(tǒng)中，一個優(yōu)化算法執(zhí)行了大部分的試驗和錯誤發(fā)現過程.

材料開發(fā)人員選擇幾種成分，在算法中輸入化學成分的細節(jié)，并定義新材料應該具備的力學性能。然后，算法增加和減少這些組件的數量(比如放大器上的轉動旋鈕)，并檢查每個公式如何影響材料的性能，然后才能達到理想的組合。

然后，開發(fā)人員混合、處理和該示例，以了解該材料的實際執(zhí)行情況。開發(fā)人員將結果報告給算法，算法會自動從實驗中學習，并使用新的信息來決定另一個要的配方。

福希說：“我們認為，對于許多應用程序來說，這將優(yōu)于傳統(tǒng)的方法，因為你可以更多地依靠優(yōu)化算法來找到最優(yōu)解。你不需要一位專家化學家在手頭預選材料配方?！?br/>
研究人員創(chuàng)造了一個免費的、開源的材料優(yōu)化平臺，名為AutoOED，它整合了同樣的優(yōu)化算法。AutoOED是一個完整的軟件包，也允許研究人員進行他們自己的優(yōu)化。

制造材料

研究人員了這個系統(tǒng)，用它來優(yōu)化一種新的3D油墨的配方，當它暴露在紫外線下時會變硬。

他們確定了在配方中使用的六種化學物質，并設定了算法的目標，以發(fā)現在韌性、壓縮模量(剛度)和強度方面表現最好的材料。

手動最大化這三種屬性尤其具有挑戰(zhàn)性，因為它們可能相互沖突；例如，最強的材料可能不是最堅硬的。使用手動處理，化學家通常一次嘗試最大化一個屬性，導致大量的實驗和大量的浪費。

該算法僅對120個樣本進行了，得到了12種性能最佳的材料，并對三種性能進行了最優(yōu)權衡。

福希和他的合作者對這種算法能夠產生的各種各樣的材料感到驚訝，他們說，基于這六種成分，結果的差異遠大于他們的預期。該系統(tǒng)鼓勵勘探，在特定材料特性難以直觀發(fā)現的情況下尤其有用。

未來更快

通過使用額外的自動化，可以更快地加快這一進程。研究人員用手混合和每一個樣本，但是機器人可以在未來版本的系統(tǒng)中操作配藥和混合系統(tǒng)，Foshey說。

在更遠的道路上，研究人員還希望這種數據驅動的發(fā)現過程，以用于開發(fā)新的3D打印油墨以外的其他用途。

他說：“這在材料科學領域有著廣泛的應用。例如，如果你想設計效率更高、成本更低的新型電池，你可以用這樣的系統(tǒng)來完成。或者，如果你想優(yōu)化性能良好、環(huán)保的汽車的油漆，這個系統(tǒng)也可以做到這一點。”