結果是最好的說明

     由英國劍橋的一家人工智能公司Intellegens開發的一種新的機器學習算法已被用于設計一種新的用于金屬增材制造的鎳基合金。

 減少15年的努力節約1000萬美元的研發成本

      這是由多家商業合作伙伴和劍橋大學合作開展的一項研究合作。根據Intellegens的說法，該算法為團隊節省了大約15年的材料研究時間和大約1000萬美元的研發成本。Intellegens的Alchemite™深度學習算法設計的新合金是通過定向能量沉積（DED）金屬3D打印工藝進行制造的，該合金可滿足增材制造所需的性能目標，用于制造噴氣發動機零部件。通過傳統研究技術開發新材料仍然是一個漫長而昂貴的過程，通常涉及相當程度的試錯過程和成本，而用于定向能量沉積（DED）金屬3D打印工藝的新合金則被認為特別具有挑戰性。迄今為止，DED僅用于加工大約10種鎳基合金成分，嚴重限制了可用于推動進一步研究的數據量。Alchemite為合金研究團隊提供了解決這種數據缺乏的方法，以及加速整個材料選擇過程。Alchemite的算法能夠從完成率僅為0.05％的數據中學習，能夠鏈接和交叉引用可用數據，驗證潛在新合金的物理性質，并準確預測它們在現實應用場景中的運行方式。

      隨著Alchemite的應用以及最合適的合金的確定，研究團隊開始了一輪實驗以確認新材料的物理性質。該團隊希望新合金具有優越的加工性，在成本，密度，相穩定性，抗蠕變性，抗氧化，疲勞壽命和耐熱應力等方面符合期望。結果表明，與其他商業合金相比，新合金更適合DED增材制造工藝應用。根據Intellegens和劍橋大學皇家學會大學，Alchemite具有深度學習能力，能夠快速查明數據之間的關系，因此具有獨特的優勢。通過機器學習，團隊能夠使用大型熱阻測量數據庫來指導合金加工性的研究，從而列出最有可能提供正確特征的材料組合。結果不言自明，這種新的合金為研發節省了大量的時間和金錢。

     全世界有數以百萬計的商業材料，其特點是數百種不同的特性。使用傳統技術探索我們對這些材料所了解的信息，提出新的物質，基質和系統，是一個艱苦的過程，可能需要數月甚至數年。通過了解現有材料數據中的基礎相關性，估算缺失的屬性，Alchemite算法引擎可以快速，高效，準確地提出具有目標屬性的新材料 – 從而加快開發過程。

 Review

       在超過5,500種合金材料中，絕大多數材料仍無法通過金屬3D打印技術制造。根據3D科學谷的市場觀察，人工智能將在加快開發適用于3D打印的合金材料方面發揮越來越重要的作用。此前，美國HRL 實驗室指出，影響合金材料在增材制造工藝中使用的原因是，打印過程中材料的熔融和凝固產生了具有大柱晶粒和周期性裂紋的微觀結構。HRL 實驗室表示，可以通過在增材制造材料中引入納米顆粒成核劑的方式來解決這一問題。

    在用成核劑進行功能化之后，HRL 的研究人員發現這些先前與增材制造制造不相容的高強度鋁合金可以使用粉末床選擇性激光熔化設備進行成功的加工。成型后的材料無裂紋，等軸（即，其長度，寬度和高度上的晶粒大致相等），實現了細晶粒微觀結構，并與鍛造材料具有相當的材料強度。

       或許將來，人工智能還可以應用在這樣的成核劑的開發工作中，開發出更強大的合金。

(責任編輯：admin)

• Xenia進軍大幅面增材制造
• 研究人員基于3D打印冰模板
• 美國Brooks與惠普合作開發
• 《AHM》：3D打印為患者定
• MB Therapeutics與Lynxter
• 美國國防部正在使用3D打印

• ·Xenia進軍大幅面增材制造市場，憑借獨
• ·研究人員基于3D打印冰模板開發出混凝土
• ·美國Brooks與惠普合作開發高性能競技3D
• ·《AHM》：3D打印為患者定制“一對一”
• ·MB Therapeutics與Lynxter合作，推出針
• ·美國國防部正在使用3D打印制造高超音速
• ·HYP3D項目采用陶瓷3D打印生產高壓氫氣
• ·澳大利亞政府教育部推動iLAuNCH項目，