محققان دانشگاه ایالتی واشنگتن با استفاده از هوش مصنوعی راهی سریعتر و کمهزینهتر برای چاپ سهبعدی یک آلیاژ فلزی با کارایی بالا یافتند و از نیاز به آزمایش دستی بیش از ۱۰۰ میلیون پیکربندی چاپ جلوگیری کردند.
این پیشرفت میتواند در نهایت این آلیاژ را که به طور گسترده در کاربردهای هوافضا استفاده میشود و ممکن است در صنایع دیگر نیز کاربرد داشته باشد، برای چاپ روی تجهیزات تجاری رایجتر قابل استفاده کند. استراتژی هوش مصنوعی توسعهیافته توسط این تیم میتواند برای سایر مسائل علمی که شامل تعداد عظیمی از آزمایشهای ممکن است، از جمله کشف دارو، نیز مفید باشد.
محققان دانشکده مهندسی برق و علوم کامپیوتر و دانشکده مهندسی مکانیک و مواد دانشگاه ایالتی واشنگتن این کار را در مجموعه مقالات کنفرانس هوش مصنوعی AAAI منتشر کردند. این پروژه همچنین جایزه برنامه کاربردی نوآورانه مستقر را در کنفرانس سالانه این سازمان دریافت کرد.
«نود درصد چاپگرهای تجاری نمیتوانند این آلیاژ فلزی را چاپ کنند، بنابراین با توجه به اینکه ما توانستیم این پارامترهای فرآیند عملی را پیدا کنیم، به ما امکان میدهد از آن چاپگرهای تجاری استفاده کنیم و عملاً چاپ این آلیاژ را دموکراتیک میکنیم.» این اظهارات از آنِ جانا دوپا، استاد کرسی هوئی-راجرز در علوم کامپیوتر و استاد ممتاز بری در مهندسی است که رهبری این تحقیق را بر عهده داشت.
آلیاژ ناسا ساختهشده برای گرمای شدید
این ماده، GRCop-42، آلیاژی است که از مس، کروم و نیوبیم ساخته شده است. ناسا آن را برای محیطهای پرتنش که در آنها هم مقاومت در برابر حرارت و هم انتقال حرارت کارآمد ضروری است، توسعه داد.
از آنجا که GRCop-42 رسانایی حرارتی بالایی دارد و در دماهای شدید استحکام خود را حفظ میکند، در سیستمهای هوافضا، از جمله محفظههای احتراق موتور موشک مایع، استفاده میشود. با وجود خواص مطلوب و پتانسیل گستردهتر، چاپ سهبعدی این آلیاژ دشوار و پرهزینه است، زیرا فرآیند معمولاً به توان و انرژی لیزر قابل توجهی نیاز دارد.
تلاشهای قبلی برای چاپ GRCop-42 با واتهای پایینتر موجود در ماشینهای تجاری رایجتر موفقیتآمیز نبوده است. آزمایش یکبهیک تنظیمات چاپ نیز غیرعملی است. هر تلاش مواد گرانقیمتی مصرف میکند، به تجهیزات تخصصی نیاز دارد و تلاش انسانی قابل توجهی میطلبد. یک چاپ واحد میتواند صدها دلار هزینه داشته باشد و تجزیه و تحلیل کامل نمونه نهایی ممکن است چندین روز طول بکشد.
«گاهی اوقات یک پیکربندی خاص را چاپ میکردند و محصول فقط ذوب میشد.» این گفته عزه فاضل، نویسنده اول مقاله و دانشجوی دکتری علوم کامپیوتر است. «واقعاً قابل چاپ نبود، و حتی با صرف زمان و هزینه، نمیتوانستند هر ۱۰۰ میلیون گزینه را امتحان کنند. کاری که ما در همکاری خود انجام میدادیم این بود که هوش مصنوعی را به کار بگیریم تا بهطور مؤثر نامزدها را از این فضای جستجوی بسیار بزرگ انتخاب کنیم.»
هوش مصنوعی بیش از ۱۰۰ میلیون امکان را جستجو میکند
محققان با دادههای ۳۷ پیکربندی چاپ شروع کردند که در آزمایشهای قبلی انجامشده در دانشکده مهندسی مکانیک و مواد شکست خورده بودند.
با استفاده از این نتایج، آنها روشی توسعه دادند که میتوانست احتمال موفقیتآمیز بودن یک ترکیب آزمایشنشده از تنظیمات را تخمین بزند. سپس مدل هوش مصنوعی گروههای کوچکی از پیکربندیهای جدید را برای آزمایش توصیه کرد.
انتخابهای آن دو اولویت را متعادل میکرد. برخی آزمایشها بر پیکربندیهایی متمرکز بودند که بهویژه امیدوارکننده به نظر میرسیدند، در حالی که برخی دیگر بخشهای کمتر قطعی فضای جستجو را بررسی میکردند که میتوانست اطلاعات جدیدی ارائه دهد و مدل را بهبود بخشد.
ناتانیل زاکشوردت، سوسمیتا بوز و آمیت باندیوپادیای در دانشکده مهندسی مکانیک و مواد با تیم همکاری کردند تا GRCop-42 را با استفاده از پیکربندیهای انتخابشده توسط هوش مصنوعی چاپ کنند و سپس نمونههای نهایی را ارزیابی کنند. آریان دشوال از دانشگاه مینهسوتا نیز در این پروژه همکاری داشت.
«آنها نتایج را به من برمیگرداندند و من همه آنها را دوست داشتم — حتی اگر شکست خورده بودند — زیرا هر نتیجه مدل هوش مصنوعی ما را بهبود میبخشید.» این گفته فاضل است.
توان کمتر میتواند دسترسی را گسترش دهد
چاپ موفقیتآمیز آلیاژ با توان لیزر کمتر میتواند مزایای متعددی به همراه داشته باشد. میتواند مصرف انرژی را کاهش دهد، سایش تجهیزات چاپ را کاهش دهد و هزینههای مرتبط با پردازش نمونهها پس از چاپ را پایین بیاورد.
همچنین میتواند GRCop-42 را برای دانشگاهها، آزمایشگاههای کوچکتر و شرکتهایی که به سیستمهای چاپ پرقدرت تخصصی دسترسی ندارند، در دسترس قرار دهد.
دشواری در این بود که محققان از قبل میدانستند تنظیمات موفق در میان بیش از ۱۰۰ میلیون پیکربندی ممکن بسیار نادر خواهند بود.
«این یک مورد بسیار چالشبرانگیز برای هوش مصنوعی است.» این گفته دوپا است. «هر بار که تلاش میکنید، اساساً یک سیگنال موفقیت یا شکست باینری دریافت میکنید و سعی میکنید تعداد تلاشها را به حداقل برسانید تا به آن سوزنهای موفق خیلی سریع برسید.»
با وجود این شانسها، تیم در طول سه ماه کار، شش پیکربندی موفق در سطوح مختلف توان لیزر پیدا کرد و پروژه را به مجموعاً تنها ۴۰ آزمایش محدود کرد. برای اولین بار، آنها با موفقیت GRCop-42 را با ۵۰۰ وات توان لیزر چاپ کردند.
ابزاری گستردهتر برای اکتشاف علمی
محققان میگویند همین روش مبتنی بر هوش مصنوعی میتواند برای شناسایی شرایط فرآیند عملی برای سایر آلیاژهای فلزی و سیستمهای تولید افزایشی سازگار شود.
به طور کلیتر، این روش میتواند به دانشمندان در حل مسائلی کمک کند که در آنها نتایج موفق نادر است، تعداد آزمایشهای ممکن بسیار زیاد است و آزمایش هر گزینه بهطور غیرقابل قبولی پرهزینه خواهد بود. محققان کاربردهای بالقوهای فراتر از تولید را میبینند، از جمله سایر حوزههای اکتشاف علمی که در آنها هر آزمایش هزینههای مادی، مالی یا زمانی قابل توجهی دارد.
«همیشه وقتی چیزی را مستقر میکنید که افراد واقعی، مواد و هزینههای فیزیکی در آن دخیل هستند، عدم قطعیت وجود دارد.» این گفته دوپا است. «ما نمیدانستیم که موفق خواهیم شد یا نه، و همیشه آن ریسک وجود دارد. ریسکهای واقعی وجود دارد. من بسیار شگفتزده شدم که توانستیم این کار را اینقدر خوب انجام دهیم.»