蓋世汽車訊 據外媒報導，多倫多大學（University of Toronto）工程學院的研究人員在Yu Zou教授的帶領下，正在利用機器學習技術改進增材製造（通常稱為3D列印）工藝。在發表在期刊《Additive Manufacturing》上的新論文中，該研究團隊介紹了一種名為“鐳射定向能量沉積中的精確逆向過程優化框架”（Accurate Inverse process optimization framework in laser-Directed Energy Deposition，AIDED）。

圖片來源：University of Toronto

AIDED框架通過優化鐳射3D列印工藝，以提升成品的精度與穩定性。這一進展旨在通過預測金屬熔化和凝固過程以找到最佳列印條件，為航空航太、汽車、核能和醫療等行業生產更高品質的金屬部件。

該研究的第一作者、博士生Xiao Shang表示：“定向能量沉積技術（一種主要的金屬3D列印技術）的廣泛應用目前受到高成本的阻礙，因為通過反覆試驗尋找最佳工藝參數既費時又昂貴。我們的框架能夠根據行業需求，快速識別適用於各種應用的最佳工藝參數。”

金屬增材製造利用高功率激光選擇性地熔融細金屬粉末，從精確的3D數位模型逐層構建零件。與傳統製造方法（如切割、鑄造機械加工）不同，金屬增材製造能夠直接創建複雜且高度定製化的元件，同時最大限度地減少材料浪費。

Zou教授指出：“金屬3D列印的一大挑戰是製造過程的速度和精度。列印條件的變化會導致最終產品品質的不一致，使其難以滿足行業對可靠性和安全性的標準。另一個主要挑戰是確定不同材料和部件的最佳列印設置。每種材料——無論是用於航空航太和醫療應用的鈦，還是用於核反應爐的不鏽鋼——都有獨特的特性，需要特定的雷射功率、掃描速度和溫度條件。從大量工藝參數中找到正確的組合是一項複雜且耗時的任務。”

這些挑戰激發了Zou及其團隊開發AIDED框架。AIDED在閉環系統中運行，其中遺傳演算法（一種類比自然選擇以尋找最佳解決方案的方法）首先提出工藝參數組合建議，然後由機器學習模型評估列印品質。遺傳演算法檢查這些預測是否最優，並重複該過程直到找到最佳參數。

Shang表示：“我們已證明，該框架可以在一小時內根據可定製的目標識別最佳工藝參數，並根據工藝參數準確預測幾何形狀。此外，它還具有多功能性，可用於各種材料。”

展望未來，該研究團隊正致力於開發一種增強型自主增材製造系統，其操作類似於自動駕駛汽車，幾乎無需人工干預。Zou教授表示：“通過將前沿的增材製造方法與人工智慧相結合，我們旨在創建一種新型閉環控制的自驅動激光系統。該系統將能夠即時感知潛在缺陷，預測可能出現的問題，並自動調整工藝參數以確保高質量生產。它的靈活性性使其能夠適應不同材料和部件幾何形狀，從而改變製造業的遊戲規則。”

與此同時，研究人員希望AIDED能夠優化使用金屬3D列印的行業中的工藝。Shang補充道：“航空航太、生物醫學、汽車、核能等行業將受益於這種低成本且精確的解決方案，從而促進其從傳統製造向3D列印的過渡。”

Zou教授總結道：“到2030年，增材製造有望重塑多個高精密行業的製造格局。自適應糾正缺陷和優化參數的能力將加速其廣泛應用。”