科学者はソーシャルメディアAIテクノロジーを使用して3Dプリントパーツを最適化します

アルゴンヌのチーフメカニカルエンジニアであるマークメズナー（マークメズナー）は、早くも2019年にこの新しい方法を開発した人物の一人でした。彼は、極端な温度と圧力の下での材料の可能な性能を予測するためのより良い方法であると主張しています。 。 現在のシミュレーションベースの予測方法は成功していますが、特定の条件下で可能なジオメトリの動作を正確に予測するには、スーパーコンピューターレベルの処理能力（および多くの忍耐力）が必要になることがよくあります。

「メスナー氏は次のように述べています。「この問題を解決するには、通常、物理ベースのシミュレーションを多数実行する必要があります。

これは、研究者が剛性、密度、強度などの特定のプロパティのセットをすでに持っており、これらのプロパティを生成するために必要な最適なコンポーネント構造を決定したい場合に特に当てはまります。報告によると、代替方法として、アルゴンヌの方法は、最新の部品性能シミュレーションよりも2,000倍以上高速であり、消費者向けGPUを搭載した通常のラップトップで実行できます。



メスナーの人工知能は、パーツの形状を繰り返し最適化しています。画像ソース：マークメズナー。

ソーシャルメディアはどのように機能しますか？

メスナーの仕事は、彼と彼のチームが複雑なミクロンスケールの構造を3Dプリントしようとしていた、ローレンスリバモア国立研究所のポスドク研究員だったときまでさかのぼることができます。報告によると、チームの進捗は遅いため、彼らは人工知能に目を向け、研究をスピードアップできるかどうかを確認しています。

当時、シリコンバレーの新興ソーシャルメディアの巨人は、画像内の顔や物体の認識のために大規模なデータセットのパターンを見つけることができる人工知能である畳み込みニューラルネットワークの使用を開始していました。メスナーは、この概念を3次元フィールドに適用できると考えています。

「私の考えは、材料の構造は3次元画像と変わらないということです。 「このニューラルネットワークの3Dバージョンが構造の特性をよく認識することは理にかなっています-ちょうどニューラルネットワークが画像が猫か何かであることを学んだように。」

彼のアイデアが実現可能かどうかを確認するために、メスナーは明確な3次元ジオメトリを設計し、従来の物理ベースのシミュレーションを使用して200万のデータポイントのセットを作成しました。各データポイントは、そのジオメトリを密度と剛性の「理想的な」値に関連付けます。次に、これらのデータポイントをニューラルネットワークにフィードし、必要な属性を見つけるようにトレーニングしました。

最後に、メスナーは、遺伝的アルゴリズム（人工知能の反復的な最適化ベースのカテゴリ）をトレーニング済みのニューラルネットワークと一緒に使用して、探していた特性を生み出す構造を決定しました。印象的なのは、彼の人工知能手法が、従来の物理シミュレーションより2760倍速い正しい構造を見つけたことです。



畳み込みニューラルネットワークのトポロジー。画像ソース：マークメズナー。

人工知能、3D印刷、原子力セクター

人工知能手法の最も有望なアプリケーションの1つは、3D印刷の分野です。この方法は非常に複雑な幾何学的形状を提案する傾向があるため、従来の製造プロセスでは、モデルによって提案された構造を実際に作成することは困難です。 3D印刷の付加的な性質により、ジオメトリがどれほど複雑であっても、これらの最適化された構造を製造することが可能になり、科学者は求めている特性を実現できます。

Messnerは、「機械工学の未来」は人工知能と積層造形の組み合わせである可能性が高いと考えています。 「ニューラルネットワークによって決定された構造を3Dプリンターを持っている人に与えることができ、彼らはあなたが望むパフォーマンスでそれを印刷します。私たちはこの目標を完全には達成していませんが、これが私たちの希望です。」

この技術のより直接的な応用は、材料設計のための原子力産業です。実際、メスナーのチームは現在、原子力発電のスタートアップであるカイロスパワーと協力して、人工知能を使用して溶融塩原子炉の炉心を設計しています。アルゴンヌのモデルは、最終的に、Kairosチームが、ステンレス鋼316Hが数十年以内に原子炉の炉心に固有の高温と高圧をどのように処理するかを予測するのに役立ちます。

「これは私たちがカイロスパワーのために行っていることのほんの一部ですが、それは非常に重要です」とアルゴンヌの原子力技術者であるルイ・フーは結論付けています。 「カイロスパワーは、原子力規制委員会への免許申請をサポートするために、原子炉内の原子炉コンポーネントの動作を説明するための非常に正確なモデルを持つことを望んでいます。これらのモデルを提供することを楽しみにしています。」

人工知能と機械学習は間違いなく3D印刷の分野に参入し、材料設計から欠陥検出に至るまでのアプリケーションがあります。今月初め、カレル大学のコンピューターグラフィックスグループ（CGG）の研究者は、より高い忠実度を実現するのに役立つMLベースのテクノロジーを開発しました。

人工知能と機械学習は間違いなく3D印刷の分野に参入し、材料設計から欠陥検出に至るまでのアプリケーションがあります。今月初め、カレル大学のコンピューターグラフィックスグループ（CGG）の研究者は、より忠実なカラー3D印刷のロックを解除するのに役立つMLベースのテクノロジーを開発しました。チームは、3D印刷プロセスをシミュレートすることにより、色漏れを制限し、部品の精度を向上させるための最適な構造パラメーターを見つけるためのアルゴリズムをトレーニングすることができました。

他の場所では、アルゴンヌとテキサスA＆M大学で、科学者は以前に3Dプリント部品の欠陥を検出するための新しいMLメソッドを開発しました。科学者は、リアルタイムの温度データとMLアルゴリズムを使用して、熱履歴と表面下の欠陥の形成との相関関係を確立できます。