U slitiny GRCop-42 vyvinuté NASA existovalo přes 100 milionů potenciálních konfigurací. Výzkumníci z Washington State University je samozřejmě nezkoušeli jednu po druhé. Pomocí AI vybrali jen 40 nových experimentů. Šest konfigurací fungovalo a jedna umožnila vůbec poprvé úspěšně tisknout slitinu při výkonu pouhých 500 wattů, tedy na úrovni dostupné mnohem běžnějším zařízením.
Slitina navržená pro prostředí, kde běžné kovy nestačí
GRCop-42 je slitina mědi, chromu a niobu, kterou NASA vyvinula pro součásti vystavené extrémním teplotám. Vysoká tepelná vodivost mědi umožňuje rychle odvádět teplo, zatímco příměsi pomáhají zachovat mechanickou pevnost.
To je ideální kombinace například pro spalovací komory kapalinových raketových motorů. Jejich stěny musí zvládat obrovské tepelné zatížení a zároveň nesmějí ztratit tvar nebo popraskat.
Jenže technologicky výjimečný materiál je zároveň obtížné vyrábět.
Jeden neúspěšný pokus může stát stovky dolarů
Proces, který tým použil, se nazývá directed energy deposition. Laser vytváří malou roztavenou lázeň, do níž je přiváděn kovový prášek. Materiál postupně tuhne a vytváří požadovaný objekt.
Stačí ale změnit několik parametrů a proces se rozpadne.
Laser může být příliš slabý a prášek se nespojí. Může být příliš silný a výrobek se začne tavit nebo deformovat. Vzniknout mohou póry, trhliny nebo struktura s nedostatečnou pevností.
Jeden tisk stojí materiál, energii, čas drahého zařízení a následnou analýzu. Detailní vyhodnocení kvality může trvat celé dny.
Vyzkoušet všech sto milionů možností proto není jen ekonomicky nevýhodné. Je to prakticky nemožné.
AI začala 37 neúspěchy
Výzkumníci měli k dispozici data ze 37 předchozích konfigurací, které selhaly.
Pro klasický experimentální postup by to byla nepříjemná historie neúspěchů. Pro strojové učení šlo o užitečná data.
Model se z nich naučil, které části parametrického prostoru vypadají beznadějně a kde by naopak mohla být větší šance na úspěch. Poté navrhl malou dávku dalších konfigurací.
Důležité je, že algoritmus nehledal jen to, co podle současného modelu vypadalo nejlépe. Část experimentů vybíral i v oblastech s vysokou nejistotou, protože právě tam mohl každý nový pokus nejvíce zlepšit další předpověď.
Výsledek experimentu se vždy vrátil zpět do modelu a další série už vycházela z přesnější mapy.
Šest úspěchů stačilo
Během tří měsíců vědci provedli pouze 40 experimentů.
Našli šest konfigurací, které vedly ke kvalitnímu tisku při různých výkonech laseru. Nejzajímavější byla právě varianta fungující při 500 wattech.
Podle týmu dnes asi 90 procent běžných komerčních tiskáren není vybaveno pro dosavadní vysokovýkonné způsoby zpracování GRCop-42. Nižší výkon by mohl otevřít cestu univerzitám, menším laboratořím a firmám, které nemají nejdražší specializované stroje.
Nižší výkon navíc znamená menší spotřebu energie a může snižovat opotřebení zařízení.
To ale ještě neznamená, že lze na běžné tiskárně zítra vytisknout spalovací komoru a poslat ji do kosmu. Kritické součásti raketových motorů musí projít mechanickými, tepelnými a provozními testy.
Studie ukazuje, že materiál lze úspěšně vyrobit v širším technologickém okně. Neříká, že každý takto vyrobený díl je automaticky připravený pro let.
Největší změna může být v samotném způsobu experimentování
GRCop-42 je působivý příklad, ale autoři vidí využití mnohem dál.
Stejný problém existuje v chemii, farmacii, materiálovém výzkumu nebo biotechnologiích: kombinací jsou miliony, každý fyzický experiment stojí peníze a úspěšných výsledků je velmi málo.
AI v takové situaci nemusí nahradit vědce ani laboratoř.
Může dělat něco mnohem praktičtějšího: rozhodovat, který experiment stojí za to provést jako další.
A právě v tom je síla této práce. Stroj nic nevyrobil sám, nevynalezl slitinu a neověřil její vlastnosti.
Jen dokázal z prostoru více než sta milionů možností vybrat čtyřicet, které mělo smysl opravdu zkusit.
A šestkrát se trefil.
DALŠÍ ZAJÍMAVOSTI ZE SVĚTA AI
Zdroje: Kód Enigma [1], Proceedings of the AAAI Conference on Artificial Intelligence – Discovery of Feasible 3D Printing Configurations for Metal Alloys via AI-Driven Adaptive Experimental Design [2], Washington State University – Researchers use AI to ‘democratize’ 3D printing of crucial metal alloy [3], img AI generated
