卡耐基梅隆大學(xué)（CMU）的研究人員研發(fā)出一種算法，Expert-Guided OpTImizaTIon (EGO)-專家引導(dǎo)優(yōu)化法，能夠?qū)涃|(zhì)材料的3D打印參數(shù)進(jìn)行排序?qū)Ρ龋赃x定最優(yōu)的打印方案。該算法可以將專家的判斷和3D打印機(jī)的優(yōu)化數(shù)據(jù)結(jié)合起來(lái)，加速新材料的開(kāi)發(fā)。

無(wú)限可能

眾所周知，可用材料的限制仍舊是目前增材制造技術(shù)所面臨的障礙之一。然而材料開(kāi)發(fā)完成之前，研究人員都會(huì)面臨著數(shù)以萬(wàn)計(jì)的可能性。

        參數(shù)的細(xì)微變化，會(huì)導(dǎo)致數(shù)百萬(wàn)種不同的組合，在探索新材料的使用時(shí)，采用一定的算法將可能性縮減到可控范圍內(nèi)，對(duì)研究的發(fā)展有著巨大的幫助。

CMU的專家方法

在EGO算法中，最初的參數(shù)由材料學(xué)專家對(duì)材料所具有的確定特性來(lái)設(shè)定，輸入?yún)?shù)后，算法將針對(duì)該特性對(duì)所有潛在的設(shè)置進(jìn)行考量，確保設(shè)置達(dá)到“局部最優(yōu)”。然后由專家對(duì)局部最優(yōu)設(shè)置進(jìn)行考量，通過(guò)縮小范圍來(lái)找到“完美”的解決方案。

高保真生物材料

作為例證，研究小組使用EGO算法打印出了由PDMS和環(huán)氧樹(shù)脂制成的復(fù)雜物體，打印過(guò)程采用Freeform Reversible Embedding (FRE)技術(shù)，該技術(shù)針對(duì)生物材料的3D打印設(shè)計(jì)，可以制造細(xì)胞支架和支撐性組織結(jié)構(gòu)。

據(jù)研究人員稱，通過(guò)EGO算法和FRE技術(shù)相結(jié)合，打印出的產(chǎn)品能夠達(dá)到從未有過(guò)的精細(xì)度和保真度。