ШІ знайшов спосіб друкувати сплав NASA на комерційних 3D-принтерах

Сплав GRCop-42 — мідь із додаванням хрому та ніобію — використовують в аерокосмічній галузі, зокрема для камер згоряння рідинних ракетних двигунів. Він поєднує високу міцність, стійкість до надвисоких температур та ефективне відведення тепла, але саме ці властивості ускладнюють його обробку. Для друку зазвичай потрібні спеціалізовані системи з великою потужністю лазера, тож близько 90% комерційних 3D-принтерів із цим матеріалом не працюють.

Наукова група під керівництвом професорки Джани Доппи вирішила використати машинне навчання, щоб знайти робочі параметри процесу. Теоретично існує понад 100 мільйонів комбінацій налаштувань, і перевіряти їх вручну неможливо: кожен фізичний експеримент потребує металевого порошку, часу роботи принтера та аналізу зразка, що може коштувати сотні доларів і тривати кілька днів.

Алгоритм навчили на даних 37 попередніх невдалих спроб друку GRCop-42. Після цього модель оцінювала ймовірність успіху для неперевірених комбінацій і пропонувала невеликі групи конфігурацій для реального тестування. ШІ балансував між найперспективнішими варіантами та менш очевидними областями пошуку, щоб отримувати нову інформацію та вдосконалювати модель. Фізичні зразки виготовляли Натаніел Цукшверт, Сусміта Бозе та Аміт Бандйопадх'яй, до проєкту також долучився Ар'ян Дешвал з Університету Міннесоти.

За три місяці команда провела лише 40 експериментів. З них шість виявилися успішними, включно з конфігурацією, яка вперше дозволила надрукувати GRCop-42 із використанням лазера потужністю 500 Вт. Раніше для цього матеріалу потрібне було значно потужніше обладнання.

Зниження вимог до потужності відкриває шлях до використання ширшого кола комерційних принтерів — це потенційно здешевлює виробництво та робить технологію доступнішою для університетів, малих лабораторій і компаній без дорогих спеціалізованих систем. «Фактично ми демократизуємо друк цього сплаву», — зазначила Доппа.

Автори вважають, що підхід можна адаптувати для інших металевих сплавів та інших систем адитивного виробництва. Він також може бути корисним у сферах, де потрібно перебирати мільйони варіантів, як-от пошук нових ліків. Водночас дослідники наголошують на ризиках: алгоритм може запропонувати невдалу конфігурацію, а кожна спроба має реальну матеріальну ціну. «Завжди існує невизначеність, коли ви впроваджуєте щось у середовище, де задіяні реальні люди, матеріали та фізичні витрати», — підсумувала Доппа.