Η AI βελτιστοποιεί την 3D εκτύπωση κράματος για τη NASA ανάμεσα σε εκατομμύρια πιθανότητες

Σύνοψη

• Το κράμα GRCop-42 της NASA, το οποίο αποτελείται από χαλκό, χρώμιο και νιόβιο, είναι ζωτικής σημασίας για τους κινητήρες πυραύλων χάρη στην εξαιρετική θερμική του αγωγιμότητα και την αντοχή του σε ακραίες θερμοκρασίες.
• Το 90% των διαθέσιμων εμπορικών 3D εκτυπωτών αδυνατούσε μέχρι σήμερα να εκτυπώσει το συγκεκριμένο υλικό, καθώς η διαδικασία απαιτούσε εξειδικευμένο εξοπλισμό τεράστιας ισχύος λέιζερ, αυξάνοντας δραματικά το κόστος.
• Ερευνητές του Πανεπιστημίου της Ουάσιγκτον (WSU) ανέπτυξαν ένα μοντέλο τεχνητής νοημοσύνης το οποίο αξιολόγησε περισσότερους από 100 εκατομμύρια πιθανούς συνδυασμούς παραμέτρων εκτύπωσης.
• Μέσα από έναν προϋπολογισμό μόλις 40 πειραμάτων, το σύστημα εντόπισε έξι επιτυχείς ρυθμίσεις, καθιστώντας για πρώτη φορά εφικτή την εκτύπωση του GRCop-42 στα 500 Watt και εκδημοκρατίζοντας την πρόσβαση στην αεροδιαστημική μεταλλουργία.

Η αεροδιαστημική βιομηχανία βασίζεται στην ανάπτυξη υλικών που μπορούν να αντέξουν σε ακραίες συνθήκες πίεσης και θερμοκρασίας, διατηρώντας ταυτόχρονα τη δομική τους ακεραιότητα. Ένα από τα πλέον χαρακτηριστικά παραδείγματα αυτής της κατηγορίας είναι το κράμα GRCop-42, το οποίο αναπτύχθηκε αρχικά από τους μηχανικούς της NASA. Το συγκεκριμένο κράμα αποτελείται από έναν συνδυασμό χαλκού, χρωμίου και νιοβίου, προσφέροντας έναν εξαιρετικά σπάνιο συνδυασμό υψηλής θερμικής αγωγιμότητας και αντοχής κάτω από ακραίο θερμικό φορτίο. Αυτές ακριβώς οι ιδιότητες καθιστούν το GRCop-42 απολύτως απαραίτητο για την κατασκευή των θαλάμων καύσης στους σύγχρονους κινητήρες υγρών καυσίμων των πυραύλων, όπου η ταχεία απαγωγή της θερμότητας διαχωρίζει την ομαλή λειτουργία από την καταστροφική αστοχία υλικού.

Παρά τα αδιαμφισβήτητα πλεονεκτήματά του, η κατασκευή εξαρτημάτων από GRCop-42 μέσω των παραδοσιακών μεθόδων μηχανουργικής κατεργασίας είναι εξαιρετικά δύσκολη και ασύμφορη. Η στροφή της βιομηχανίας προς την προσθετική κατασκευή (3D printing) φάνηκε να δίνει μια διέξοδο, ωστόσο το ίδιο το κράμα παρουσίασε ανυπέρβλητα εμπόδια. Οι υψηλές απαιτήσεις τήξης του υλικού συνεπάγονται ότι η τρισδιάστατη εκτύπωσή του μπορεί να πραγματοποιηθεί μόνο από βιομηχανικούς εκτυπωτές που διαθέτουν συστήματα λέιζερ εξαιρετικά υψηλής ισχύος. Σύμφωνα με τα επίσημα δεδομένα, το 90% των διαθέσιμων εμπορικών 3D εκτυπωτών μετάλλου δεν διαθέτει την απαραίτητη ισχύ για να διαχειριστεί το GRCop-42, περιορίζοντας τη χρήση του σε ελάχιστες, αυστηρά χρηματοδοτούμενες κρατικές ή μεγάλες εταιρικές εγκαταστάσεις. Η προσπάθεια εκτύπωσης του υλικού σε χαμηλότερα επίπεδα ισχύος κατέληγε παραδοσιακά σε τήξη της σκόνης χωρίς τη σωστή δομική συνοχή, δημιουργώντας άχρηστα δοκίμια με σοβαρά μικροδομικά ελαττώματα.

Οι ερευνητές από τη Σχολή Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών σε συνεργασία με τη Σχολή Μηχανολόγων Μηχανικών και Επιστήμης Υλικών του Πανεπιστημίου της Ουάσιγκτον (WSU), προσέγγισαν το συγκεκριμένο μηχανολογικό αδιέξοδο χρησιμοποιώντας εργαλεία μηχανικής μάθησης και τεχνητής νοημοσύνης. Η παραδοσιακή προσέγγιση της δοκιμής και του σφάλματος ήταν εκ των πραγμάτων αδύνατη, καθώς οι συνολικές πιθανές διαμορφώσεις των παραμέτρων εκτύπωσης ξεπερνούσαν τα 100 εκατομμύρια. Κάθε μεμονωμένη δοκιμή εκτύπωσης μετάλλου κοστίζει εκατοντάδες δολάρια σε αναλώσιμα και λειτουργικά έξοδα, ενώ η μεταγενέστερη ανάλυση της ποιότητας του δοκιμίου στο μικροσκόπιο μπορεί να διαρκέσει αρκετές ημέρες εργαστηριακής έρευνας.

Η ερευνητική ομάδα συγκέντρωσε αρχικά τα δεδομένα από 37 προηγούμενες, πλήρως αποτυχημένες προσπάθειες εκτύπωσης που είχαν διεξαχθεί στο παρελθόν. Τροφοδοτώντας αυτά τα δεδομένα στο μοντέλο τεχνητής νοημοσύνης που ανέπτυξαν, δημιούργησαν έναν αλγόριθμο ο οποίος μπορούσε να εκτιμήσει στατιστικά την πιθανότητα επιτυχίας μιας εντελώς αδοκίμαστης διαμόρφωσης παραμέτρων. Το μοντέλο δεν λειτουργούσε τυχαία, αλλά επέλεγε μεθοδικά μικρές ομάδες νέων ρυθμίσεων προσπαθώντας να εξισορροπήσει δύο βασικούς στόχους: αφενός να δοκιμάσει τις παραμέτρους που συγκέντρωναν τις υψηλότερες πιθανότητες επιτυχίας βάσει των φυσικών ιδιοτήτων του μετάλλου και αφετέρου να εξερευνήσει σκοτεινές, αδοκίμαστες περιοχές του τεράστιου πεδίου αναζήτησης, προκειμένου να εμπλουτίσει την ικανότητα πρόβλεψης του ίδιου του συστήματος.

Σε άμεση συνεργασία με το Πανεπιστήμιο της Μινεσότα, η ομάδα εφάρμοσε στην πράξη τις ρυθμίσεις που υπαγόρευσε η τεχνητή νοημοσύνη. Το αποτέλεσμα ξεπέρασε τις αρχικές προσδοκίες των ίδιων των μηχανικών. Μέσα σε διάστημα τριών μηνών και έχοντας θέσει ένα αυστηρό όριο μόλις 40 συνολικών πειραμάτων, το μοντέλο κατάφερε να εντοπίσει έξι διαφορετικές διαμορφώσεις παραμέτρων που απέδωσαν άρτια εκτυπωμένα δοκίμια. Το πιο εντυπωσιακό στοιχείο της συγκεκριμένης ερευνητικής επιτυχίας ήταν η εύρεση μιας διαμόρφωσης που επέτρεψε την εκτύπωση του GRCop-42 χρησιμοποιώντας λέιζερ ισχύος μόλις 500 Watt, καταρρίπτοντας πλήρως την προηγούμενη αντίληψη ότι η υψηλή ισχύς είναι αυστηρή προϋπόθεση για τα συγκεκριμένα κράματα.

Αυτή η δραστική μείωση στις απαιτήσεις ισχύος συνεπάγεται πολλαπλά και αλυσιδωτά οφέλη για τον κλάδο της βιομηχανικής κατασκευής. Σε πρώτο επίπεδο, μειώνει κατακόρυφα την κατανάλωση ενέργειας κατά τη διάρκεια της εκτύπωσης και ελαχιστοποιεί τη φθορά των ευαίσθητων εξαρτημάτων του εξοπλισμού, παρατείνοντας τη διάρκεια ζωής των μηχανημάτων. Σε δεύτερο επίπεδο, μειώνει τον χρόνο και τα κόστη της μετεπεξεργασίας που απαιτείται για να τελειοποιηθούν τα εκτυπωμένα εξαρτήματα. Ο ουσιαστικότερος αντίκτυπος όμως εντοπίζεται στον πλήρη εκδημοκρατισμό της παραγωγικής διαδικασίας. Καθιστώντας εφικτή την εκτύπωση με λέιζερ των 500 Watt, ακαδημαϊκά ιδρύματα, μικρά ερευνητικά εργαστήρια και νεοφυείς επιχειρήσεις που διαθέτουν εμπορικούς εκτυπωτές μπορούν πλέον να κατασκευάσουν τα δικά τους εξαρτήματα από GRCop-42, παρακάμπτοντας την ανάγκη για επενδύσεις εκατομμυρίων.

Η νέα προσέγγιση σχεδιασμού πειραμάτων μέσω τεχνητής νοημοσύνης ανοίγει νέους δρόμους στην επιστήμη των υλικών. Η ικανότητα ενός συστήματος να βρίσκει την ιδανική λύση μέσα σε έναν ωκεανό 100 εκατομμυρίων αποτυχιών, έχοντας στη διάθεσή του ελάχιστα δείγματα εκμάθησης, αποδεικνύει την ωριμότητα των αλγορίθμων στην επίλυση καθαρά φυσικών και μηχανολογικών προβλημάτων. Οι ερευνητές του WSU τονίζουν ότι το ίδιο ακριβώς πλαίσιο λειτουργίας μπορεί να προσαρμοστεί άμεσα για την ανακάλυψη συνθηκών επεξεργασίας για δεκάδες άλλα μεταλλικά κράματα, καθώς και για εντελώς διαφορετικά συστήματα προσθετικής κατασκευής. Η μέθοδος επεκτείνεται πολύ πέρα από τα όρια της μεταλλουργίας, προσφέροντας ένα ισχυρό εργαλείο σε κλάδους όπου το κόστος των φυσικών πειραμάτων είναι απαγορευτικό και τα ποσοστά επιτυχίας παραδοσιακά χαμηλά, όπως η διαδικασία ανάπτυξης και ανακάλυψης νέων φαρμακευτικών ουσιών.