麻省理工學院利用人工智能，可加速發現3D打印新材料

目前，機器學習系統成本更低，浪費更少，而且比人工方法更具創新性。從定制的醫療設備到經濟適用房，用于制造各種物品的3D打印技術日益普及，人們對新3D打印材料也產生了更多需求。

為了減少發現這些新材料所需的時間，麻省理工學院的研究人員開發了一種由數據驅動的程序，使用機器學習來優化具有多種特性的新3D打印材料，如韌性和壓縮強度。

通過簡化材料開發，該系統還降低了成本，并通過減少化學廢物來減輕對環境的影響。機器學習算法還可提出人們沒想到的化學材料。

材料開發在很大程度上仍然是一個人工過程。在化學家進入實驗室后，他需要自己混合成分、制作樣品、測試樣品，并得出最終的配方。化學家在幾天內只能做幾次迭代，而該系統可以在相同的時間內做數百次迭代。

研究員說，對于一些應用來說，這將勝過傳統的方法，因為人們可以更多地依靠優化算法來找到最佳解決方案。

研究人員創建了一個免費的開源材料優化平臺，名為AutoOED，其中包含優化算法。AutoOED是一個完整的軟件包，也可供研究人員自己進行優化。

該研究論文題為"Accelerated discovery of 3D printing materials using data-driven multiobjective optimization"，已發表在Science Advances期刊上。

參考資料：https://www.science.org/doi/10.1126/sciadv.abf7435

標簽： 麻省 理工學院 利用 人工智能