Alchemite机器学习引擎用于设计直接激光沉积3D打印新合金
人工智能（AI）公司Intellegens是剑桥大学的衍生公司，该公司创建了一个独特的工具集，可以从嘈杂或稀疏的数据中训练深层神经网络。机器学习算法，称为Alchemite，是在大学的卡文迪什（Cavendish）实验室创建的，现在可以更快、更容易、更便宜地为3D打印项目设计新材料。Alchemite引擎是该公司的第一个商业产品，最近被研究合作用于设计一种直接激光沉积的新型镍基合金。
该大学斯通集团的研究人员与几个商业伙伴一起，通过使用Alchemite引擎分析现有材料的信息，并找到可用于3D打印喷气发动机的新型燃烧合金，节省了大约1000万美元和15年的研发费用。满足航空航天业严格性能指标的部件。
“在世界范围内，有数以百万计的商用材料，具有数百种不同的特性。使用传统的技术来探索我们所知道的关于这些材料的信息，开发出新的物质、基质和系统，这是一个艰苦的过程，可能需要数月甚至数年的时间。”Intellegens的首席技术官Gareth导管解释说。“学习现有材料数据中的潜在相关性，评估缺失属性，Alchemite引擎可以快速、高效和准确地提出具有目标属性的新材料以加快开发过程。这种技术在直接激光沉积领域和更广泛的材料领域的潜力是巨大的，尤其是在3D打印等领域，需要新材料来处理完全不同的生产工艺。”
图1：Alchemite引擎
Alchemite基于深度学习算法，该算法能够查看损坏、碎片化、噪音和非结构化数据集中所有可用参数之间的相关性。然后，引擎将解决这些数据问题，并创建准确的模型，这些模型能够发现错误、优化目标属性和预测缺少的值。Alchemite已被用于许多应用，包括药物发现、患者分析、预测性维护和先进材料。
图2：用脉冲激光沉积的原子层精密氧化物薄膜
直接激光沉积，一种DED形式，被许多行业用于维修和制造定制和高价值的部件，例如涡轮叶片、石油钻探工具和航空航天发动机部件，如斯通集团正在研究的那样。与大多数3D打印方法一样，直接激光沉积可以帮助组件制造商节省大量时间和金钱，但需要能够适应高应力梯度和温度的下一代材料，以帮助使该过程充分发挥其潜力。
当使用更传统的研究方法开发新材料时，会发生大量昂贵且耗时的试验和误差，并且在设计用于直接激光沉积的新合金时，该过程变得更加困难。到目前为止，这种AM方法仅适用于大约10种镍合金成分，这确实限制了未来研究中可用的数据量。但Intellegens的Alchemite引擎帮助团队解决了这个问题，并更快地完成了材料选择过程。
图3：（a）合金激光二极管的二次电子显微图像。（b）通过直接激光沉积制造的样品燃烧器的代表性几何形状。[图片来源：Intelligens]
因为Alchemite可以从仅完成0.05％的数据中学习，研究人员能够确认潜在的新合金属性，并以更高的准确度预测它们在现实世界中的运作方式。一旦他们使用发动机找到最好的合金，该团队完成了一系列实验，以确认其物理性能，如疲劳寿命、密度、相稳定性、抗蠕变性、氧化和抗热应力。这些实验的结果表明，与其他市售合金相比，型镍基合金更适用于直接激光沉积3D打印和喷气发动机部件的制造。