Dolar 12,4280
Euro 14,0266
Altın 717,01
BİST 1.776
Adana Adıyaman Afyon Ağrı Aksaray Amasya Ankara Antalya Ardahan Artvin Aydın Balıkesir Bartın Batman Bayburt Bilecik Bingöl Bitlis Bolu Burdur Bursa Çanakkale Çankırı Çorum Denizli Diyarbakır Düzce Edirne Elazığ Erzincan Erzurum Eskişehir Gaziantep Giresun Gümüşhane Hakkari Hatay Iğdır Isparta İstanbul İzmir K.Maraş Karabük Karaman Kars Kastamonu Kayseri Kırıkkale Kırklareli Kırşehir Kilis Kocaeli Konya Kütahya Malatya Manisa Mardin Mersin Muğla Muş Nevşehir Niğde Ordu Osmaniye Rize Sakarya Samsun Siirt Sinop Sivas Şanlıurfa Şırnak Tekirdağ Tokat Trabzon Tunceli Uşak Van Yalova Yozgat Zonguldak
İstanbul 21 °C
Kuvvetli Sağanak

MIT, 3D Baskı için Yeni Malzemelerin Keşfini Hızlandırmak İçin Yapay Zekayı Kullanıyor

18.10.2021
71
MIT, 3D Baskı için Yeni Malzemelerin Keşfini Hızlandırmak İçin Yapay Zekayı Kullanıyor
Yeni 3D Baskı Malzemelerinin Hızlandırılmış Keşfi

MIT ve BASF’deki araştırmacılar, birden fazla mekanik özelliğe sahip yeni 3D baskı malzemelerinin keşfedilme sürecini hızlandıran, veriye dayalı bir sistem geliştirdiler. Kredi: Araştırmacıların izniyle

Yeni bir makine öğrenimi sistemi daha az maliyetlidir, daha az atık üretir ve manuel keşif yöntemlerinden daha yenilikçi olabilir.

Özelleştirilmiş tıbbi cihazlardan uygun fiyatlı evlere kadar her türlü ürünü üretmek için 3D baskının artan popülaritesi, çok özel kullanımlar için tasarlanmış yeni 3D baskı malzemelerine daha fazla talep yarattı.

Araştırmacılar, bu yeni materyalleri keşfetmek için gereken süreyi azaltmak için İLE BİRLİKTE tokluk ve sıkıştırma gücü gibi birden çok özelliğe sahip yeni 3D baskı malzemelerini optimize etmek için makine öğrenimini kullanan veri odaklı bir süreç geliştirdiler.

Sistem, malzeme geliştirmeyi kolaylaştırarak maliyetleri düşürür ve kimyasal atık miktarını azaltarak çevresel etkiyi azaltır. Makine öğrenimi algoritması, insan sezgisinin gözden kaçırabileceği benzersiz kimyasal formülasyonlar önererek yeniliği de teşvik edebilir.

“Malzeme geliştirme hala büyük ölçüde manuel bir süreçtir. Bir kimyager laboratuvara gider, malzemeleri elle karıştırır, numuneler yapar, bunları test eder ve nihai bir formülasyona ulaşır. Ancak, birkaç gün içinde yalnızca birkaç yineleme yapabilen bir kimyagere sahip olmak yerine, sistemimiz aynı zaman aralığında yüzlerce yineleme yapabilir” diyor Hesaplamalı Tasarım ve İmalat bölümünde makine mühendisi ve proje yöneticisi olan Mike Foshey. Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı’nın (CSAIL) Grubu (CDFG) ve makalenin ortak baş yazarı.

Ek yazarlar arasında, CDFG’de teknik bir ortak olan ortak yazar Timothy Erps; Mina Konakovic Lukoviç, bir CSAIL doktora sonrası; eski bir MIT doktora sonrası araştırmacısı olan ve şu anda Arkansas Üniversitesi’nde yardımcı doçent olan Wan Shou; kıdemli yazar Wojciech Matusik, MIT’de elektrik mühendisliği ve bilgisayar bilimi profesörü; ve BASF’den Hanns Hagen Geotzke, Herve Dietsch ve Klaus Stoll. Araştırma, 15 Ekim 2021’de yayınlandı. Bilim Gelişmeleri.

Keşfi optimize etme

Araştırmacıların geliştirdiği sistemde, bir optimizasyon algoritması, deneme-yanılma keşif sürecinin çoğunu gerçekleştirir.

Bir malzeme geliştiricisi birkaç bileşen seçer, kimyasal bileşimleriyle ilgili ayrıntıları algoritmaya girer ve yeni malzemenin sahip olması gereken mekanik özellikleri tanımlar. Daha sonra algoritma, bu bileşenlerin miktarını artırır ve azaltır (bir amplifikatördeki düğmeleri çevirmek gibi) ve ideal kombinasyona ulaşmadan önce her formülün malzemenin özelliklerini nasıl etkilediğini kontrol eder.

Ardından geliştirici, malzemenin gerçekte nasıl performans gösterdiğini bulmak için bu numuneyi karıştırır, işler ve test eder. Geliştirici sonuçları, deneyden otomatik olarak öğrenen ve test edilecek başka bir formülasyona karar vermek için yeni bilgileri kullanan algoritmaya bildirir.

“Birkaç uygulama için bunun geleneksel yöntemden daha iyi performans göstereceğini düşünüyoruz çünkü optimal çözümü bulmak için optimizasyon algoritmasına daha fazla güvenebilirsiniz. Foshey, malzeme formülasyonlarını önceden seçmek için hazır bir kimyagere ihtiyacınız olmaz” diyor.

Araştırmacılar, aynı optimizasyon algoritmasını içeren AutoOED adlı ücretsiz, açık kaynaklı bir malzeme optimizasyon platformu oluşturdular. AutoOED, araştırmacıların kendi optimizasyonlarını yapmalarına da olanak tanıyan eksiksiz bir yazılım paketidir.

Malzemeler yapmak

Araştırmacılar sistemi, ultraviyole ışığa maruz kaldığında sertleşen yeni bir 3D baskı mürekkebi için formülasyonları optimize etmek için kullanarak test ettiler.

Formülasyonlarda kullanılacak altı kimyasal belirlediler ve algoritmanın hedefini tokluk, sıkıştırma modülü (sertlik) ve mukavemet açısından en iyi performans gösteren malzemeyi ortaya çıkarmak için belirlediler.

Bu üç özelliği manuel olarak en üst düzeye çıkarmak, çelişkili olabileceğinden özellikle zor olacaktır; örneğin, en güçlü malzeme en sert olmayabilir. Manuel bir işlem kullanarak, bir kimyager tipik olarak bir seferde bir özelliği en üst düzeye çıkarmaya çalışır, bu da birçok deney ve çok fazla israfla sonuçlanır.

Algoritma, yalnızca 120 numuneyi test ettikten sonra, üç farklı özelliğin optimal dengelerine sahip olan en iyi performansa sahip 12 malzeme buldu.

Foshey ve işbirlikçileri, algoritmanın üretebildiği çok çeşitli materyaller karşısında şaşırdılar ve sonuçların altı bileşene dayalı olarak beklediklerinden çok daha çeşitli olduğunu söylüyorlar. Sistem, belirli malzeme özelliklerinin sezgisel olarak kolayca keşfedilemediği durumlarda özellikle yararlı olabilecek keşfi teşvik eder.

Gelecekte daha hızlı

Ek otomasyon kullanılarak süreç daha da hızlandırılabilir. Foshey, araştırmacıların her numuneyi elle karıştırıp test ettiğini, ancak robotların sistemin gelecekteki sürümlerinde dağıtım ve karıştırma sistemlerini çalıştırabileceğini söylüyor.

Daha ileride, araştırmacılar, yeni 3D baskı mürekkepleri geliştirmenin ötesinde kullanımlar için bu veriye dayalı keşif sürecini test etmek istiyorlar.

“Bunun genel olarak malzeme biliminde geniş uygulamaları var. Örneğin, daha verimli ve daha düşük maliyetli yeni pil türleri tasarlamak istiyorsanız, bunun için böyle bir sistem kullanabilirsiniz. Ya da iyi performans gösteren ve çevre dostu bir otomobil için boyayı optimize etmek istiyorsanız, bu sistem bunu da yapabilir” diyor.

Boston Üniversitesi Makine Mühendisliği Bölümü’nde yardımcı doçent olan Keith A. Brown, optimal malzemeleri belirlemek için sistematik bir yaklaşım sunduğundan, bu çalışmanın yüksek performanslı yapıların gerçekleştirilmesine yönelik önemli bir adım olabileceğini söylüyor.

“Yeni malzeme formülasyonlarına odaklanmak özellikle cesaret verici çünkü bu, ticari olarak mevcut malzemelerle kısıtlı olan araştırmacılar tarafından genellikle göz ardı edilen bir faktör. Ve veriye dayalı yöntemler ile deneysel bilimin birleşimi, ekibin malzemeleri verimli bir şekilde tanımlamasını sağlar. Deneysel verimlilik, tüm deneycilerin tanımlayabileceği bir şey olduğundan, buradaki yöntemlerin, topluluğu daha fazla veriye dayalı uygulamaları benimsemeye motive etme şansı var ”diyor.

Referans: Timothy Erps, Michael Foshey, Mina Konaković Luković, Wan Shou, Hanns Hagen Goetzke, Herve Dietsch, Klaus Stoll, Bernhard von Vacano ve Wojciech Matusik tarafından “Veriye dayalı çok amaçlı optimizasyon kullanılarak 3D baskı malzemelerinin hızlandırılmış keşfi”, 15 Ekim 2021 , Bilim Gelişmeleri.
DOI: 10.1126 / sciadv.abf7435

Araştırma BASF tarafından desteklendi.

.

ZİYARETÇİ YORUMLARI - 0 YORUM

Henüz yorum yapılmamış.