思想领袖

通过机器学习加速3D打印材料的发现亚博网站下载

思想领袖迈克尔Foshey机械工程师计算机科学与人工智亚博老虎机网登录能实验室 麻省理工学院

AZoM采访了麻省理工学院计算机科学与人工智能实验室的机械工程师Michael Foshey。亚博老虎机网登录Michael是麻省理工学院一个研究团队的成员,该团队开发了一个数据驱动系统,加速了发现具有多种力学性能的新型3D打印材料的进程。亚博网站下载这项研究是由巴斯夫

你能给我们的读者简要介绍一下你最近的研究吗?

在我们最近的研究中,我们专注于应用机器学习和自动化方法来加速新型材料和工艺的开发。亚博网站下载

整合机器学习方法如何帮助发现增材制造材料?亚博网站下载

在这项工作中,我们的优化算法使用一个模型来导航不同的设计,并揭示了一套在抗压强度、韧性和模量方面具有最佳权衡的公式。这个模型是基于我们之前测试的数据,不依赖于配方背后的材料科学的任何先验知识。亚博网站下载亚博老虎机网登录

与传统的材料开发方法相比,这个模型对潜在化学知识的依赖要少得多。在化学不为人所知的情况下,这个系统可能特别有用。

你的研究中使用了多目标优化算法。你能向我们的读者介绍一下它是如何实现的吗?

在这项工作中,我们利用一种算法,找到一组公式与压缩模量,韧性和压缩强度的最佳折衷。优化算法的工作原理是,在配方中暴露一组设计参数,可以进行调整,以获得更好的材料性能。

当算法工作时,它选择它预测的设计参数将具有最优的材料性能。然后将含有该配方的样品3D打印、测试并反馈给算法。该算法根据更新后的结果预测出另一个具有最优性质的新公式,循环往复。

麻省理工学院和巴斯夫已经开发了一个数据驱动系统,加速了发现具有多种力学性能的新型3D打印材料的进程。亚博网站下载图片来源:麻省理工学院计算机科学和人工智能实验亚博老虎机网登录室。

使用多目标优化算法的结果之一是创造出性能更好的材料。亚博网站下载这一成果是如何实现的?

当优化工作进行时,它开发了一个模型,可以预测最优材料性能的配方。随着测试的公式越来越多,该模型变得越来越准确,可以更好地预测材料的特性。

该算法与半自主制造平台相结合。半自主制造平台的作用是什么?

半自动制造平台是我们为高效生产和测试配方而开发的系统。在这项工作中,我们测试了四份150种不同的配方。半自动制造平台使我们能够高效地制备这些材料。

最近,人们提出了不同的自主系统,以加速材料开发,并大幅减少人类劳动。与最近提出的发展相比,多目标优化算法能带来什么好处?

当它们一起使用时,往往会相互补充,就像我们在这项工作中所做的那样。多目标优化是一个数据驱动的过程,当您可以测试大量的样本时,它的工作效果最好。用于材料开发的自主系统通常会降低材料实验测试的亚博网站下载成本,这意味着尝试大量样品的成本更低,使多目标优化算法更有效。

同时满足多个目标的主要好处是什么?

对于大多数应用来说,材料需要具有高强度和低成本亚博网站下载等多种目标的高性能。对多个目标的优化使我们能够找到在重要参数中具有最佳权衡的材料。亚博网站下载

在研究增材制造材料时,您对机器学习应用的未来有何预测?亚博网站下载

我认为机器学习将继续对材料发展产生重大影响。亚博网站下载开发新材料对于解决社会规模问题亚博网站下载至关重要,比如控制人类产生的二氧化碳量。需要开发比亚博网站下载以往更多的材料,实现这一点的一种方法是自动化开发过程。这项工作展示了人类如何利用机器学习技术,使系统在没有人类输入的情况下开发新材料。亚博网站下载

麻省理工学院团队的下一个目标是什么?

我们将继续开发我们的优化管道,并将其扩展到更多应用的材料和工艺开发。亚博网站下载我们还在开发一个名为AutoOED的开源优化软件包,任何人都可以开始在他们的应用程序中使用多目标优化算法。任何有兴趣使用它的人都可以在autoooed.org上免费下载该软件。

读者在哪里可以找到更多的信息?

全文可查看在这里.可以访问开源优化软件包AutoOED在这里.如果你想了解更多关于我所参与的研究的信息,你的读者可以找到更多在这里

关于迈克尔Foshey

Michael Foshey是计算设计和制造组的机械工程师。Foshey的研究兴趣包括:1)开发新型增材制造工艺和系统,开启3D打印的新应用。2)实现机器学习算法,发现、优化和理解新的高性能材料和工艺。亚博网站下载3)开发新型传感器,以更好地理解人类和机器人如何与环境互动。

免责声明:本文所表达的观点仅代表受访者个人观点,并不代表本网站所有者及运营商AZoM.com Limited (T/A) azonnetwork的观点。本免责声明构成条款和条件本网站之使用。

琼纽金特

写的

琼纽金特

琼毕业于曼彻斯特城市大学,获得电影与媒体研究二级甲等学位。在她的学习期间,她作为学生笔记,并继续工作在大学,毕业后,作为一个书记。琼此前曾在一家市场研究公司担任校对工作。琼热爱电影和摄影,在业余时间,她喜欢做插图和练习书法。

引用

请在你的文章、论文或报告中使用下列格式之一来引用这篇文章:

  • 美国心理学协会

    纽金特,琼。(2021年11月10日)。通过机器学习加速3D打印材料的发现。亚博网站下载AZoM。2021年11月11日从//www.washintong.com/article.aspx?ArticleID=20914检索。

  • MLA

    纽金特,琼。“通过使用机器学习加速3D打印材料的发现”。亚博网站下载AZoM.2021年11月11日。< //www.washintong.com/article.aspx?ArticleID=20914 >。

  • 芝加哥

    纽金特,琼。“通过使用机器学习加速3D打印材料的发现”。亚博网站下载AZoM。//www.washintong.com/article.aspx?ArticleID=20914。(2021年11月11日生效)。

  • 哈佛大学

    纽金特,琼。2021。通过机器学习加速3D打印材料的发现亚博网站下载.viewed september 11, //www.washintong.com/article.aspx?ArticleID=20914。

告诉我们你的想法

你对这篇文章有什么评论、更新或想要补充的吗?

离开你的反馈
提交