未來的3D打印將“長上人工智能的大腦”。詳細剖析了人工智能如何賦能3D打印從前處理、加工過程、以及后處理過程的方方面面，本期將聚焦前處理過程。

        在前處理步驟，ML-人工智能已經滲透到材料和設計空間。目前在3D打印材料領域，需要關注的是美國政府的材料基因組計劃，材料基因組工程研究是計算材料科學背后的驅動力，用于設計和制造具有新的和不同特性的新材料。在設計領域，需要關注的是創成式設計軟件，在這方面，創成式設計軟件的設計邏輯以及世界上主流的創成式設計軟件。

人工智能賦能制造
© 3D科學谷白皮書

 賦能材料開發與設計自動化

        為什么材料基因組對3D打印如此重要？在這方面，值得關注的是ASTM 國際增材制造卓越中心 (AM CoE) 和創始行業成員于2022年5月啟動了增材制造卓越中心材料數據和標準化聯盟 (CMDS) 計劃。ASTM CMDS 的使命是將代表整個 AM 價值流的各行各業的關鍵組織聚集在一起。

       CMDS 每年將選擇感興趣的材料和應用特定屬性（例如靜態、循環、熱、腐蝕）發布項目，并執行各種項目，最終支持標準和數據集的開發。研究成果和經驗將通過 ASTM 相關委員會（如 F42）制定的新 AM 標準和規范提供信息，以推動整個行業的一致性，創建具有屬性的和改進的材料規范和基于穩健數據集的結構要求。CMDS的可信數據集支持先進的基于物理、概率和 AI/ML 人工智能建模工具，用于流程優化和快速認證。

根據德國弗朗霍夫研究所-Fraunhofer，未來制造業競爭的關鍵是材料，以數字形式提供材料的行為，將產品開發與材料開發關聯，通過工業 4.0將材料信息鏈接到整個加工應用鏈條中，大幅降低材料的全壽命應用成本。

人工智能賦能3D打印
© 3D科學谷白皮書

 人工智能賦能材料開發

根據3D科學谷，正如人工智能在藥物領域的作用，一款新藥從開始研發到臨床試驗再到投入市場，通常需要10-15年；隨著數字經濟時代的到來，大數據、人工智能等技術的應用，將大大縮短藥物研發時間，提升效率和質量。在制藥行業，人們有興趣實施AI驅動的解決方案以發現新藥并加快將其推向市場的速度。食品和藥物管理局進一步推動了這種興趣，促進將基于AI的技術用于藥物開發的創新�？傮w來說，AI和機器學習旨在改變藥物發現過程，從而降低財務成本和上市時間。

根據3D科學谷，在3D打印領域的材料開發方面，人工智能將在兩個維度上發揮作用：降低材料開發的財務成本和開發周期。

根據機器之能，Citrine智能材料平臺基于尖端AI工具和智能數據管理基礎架構搭建而成，可用于數據驅動的材料和化學品開發。平臺可基于機器學習模型，結合用戶企業的行業知識來預測材料在各種配方下的性能，幫助加速材料研發工作。Citrine智能材料平臺可以快速搜索1150萬種粉末和納米顆粒的組合。平臺通過針對目標材料的性質按批次尋找組合，識別關聯的數據集和數據流，創建材料感知的數據結構；然后基于數據來，生成，細化和驗證模型。

3D打印材料的開發方面，美國HRL實驗室和Citrine的合作項目中，平臺確定了100種粉末和納米顆粒的候選組合以優化HRL團隊需要合成測試的屬性。由此產生的材料al7a77是第一種高強度鋁合金粉末原料，可以在某些應用中替代中溫鈦合金。

不僅僅是Citrine, 此前，3D科學谷通過《減少15年的努力，人工智能設計金屬3D打印的新合金》一文，揭示了Intellegens的Alchemite™深度學習算法設計的另外一款新合金，這款新合金是通過定向能量沉積（DED）金屬3D打印工藝進行制造的，該合金可滿足增材制造所需的性能目標，用于制造噴氣發動機零部件。

 加速的材料數字化開發

目前，根據3D科學谷的了解GKN正在將材料的數字化與零件增材制造建立聯系，通過將GKN Hoeganaes的材料專業知識與增材制造組件功能之間建立數字聯系，GKN正在加速從材料到零件的整個工藝鏈的數字化，從而為零件的致密性、質量的可重復性，認證過程提供數字化基礎。

GKN還通過與西門子的合作將數字雙胞胎用于實現增材制造中的批量生產。通過強大的過程預測來節省時間，這還意味著可以更好地了解3D打印過程，這是進一步降低成本的一個很好的起點。

目前，GKN已經將激光制造過程中的大部分工藝數字化�，F在，GKN希望通過對材料和過程進行全面的數字描述來預測加工過程的結果。

通過將整個環節以數字化作為鋪墊，GKN獲得大量的大數據，然后從結果中獲得深刻的理解。這使得材料公司具備了深刻的數字化的DNA。

人工智能成就超合金

Fraunhofer IWS的專家通過“人工智能”（AI）和“機器學習”的先進方法來提升對加工過程的理解，由Fraunhofer IWS圖像處理和數據管理工作組進行研究。通過人工智能，可以找到3D打印數據泛洪中的隱藏聯系。

例如，特殊的分析算法將測得的傳感器值與研究所的粉末數據庫聯系起來，并評估進一步的工藝參數。根據3D科學谷的了解，機器逐漸學習如何做出自己的決定。例如，可以自主確定是否可以容忍激光熔覆增材制造過程中溫度的輕微升高，還是必須在導致整個組件的加工出現質量缺陷之前立即采取對策。

通常采用單一材料設計飛機發動機整個組件不是很有效，因為組件不會在所有點上都受到相同的熱量。最好只在溫度很高的地方使用昂貴的高電阻材料，在其他地區，使用較便宜的材料就足夠了。這正是增材制造系統可以實現的，一旦人工智能學會了加工所需的超合金，下一步是將各種高性能材料整合到一個組件中。

 人工智能成就更好的設計

在包括材料設計、數字設計、CAD 和其他相關領域的設計空間中，ML-機器學習可以潛在地改革兩個主要方面：(a) 用戶與機器的交互，(b) 設計軟件改進和與流程特征的集成。

根據3D科學谷的市場觀察，在過去的二十年里，我們的世界在快速加速的技術力量的推動下發生了根本性的變化。增材制造提供了更高的設計自由以從更深的層次上變革和重新定義制造，而創成式軟件正在搭載增材制造這項制造技術以構建面向未來的設計。

在《高80cm，3D打印當前世界上最大的Aerospike氣動火箭發動機》， Aerospike 火箭發動機展示了將軟件算法的強大功能與世界上最先進的3D打印-增材制造系統相結合的可能性。

創成式設計是人工智能 (AI) 的一種形式，可以為零件以及模具設計提供大量可用于制造的解決方案，甚至可能是開發過程的自動化。有遠見的公司使用創成式設計作為制造合作伙伴來幫助彌合技能差距。

人工智能賦能設計
© 3D科學谷白皮書

在設計航空航天或汽車部件時，此前人類可能從未想過向螞蟻和尋光植物細胞尋求建議，但如果使用創成式設計軟件來塑造零件的設計，不過這一切已經不是夢想，實際上已經在做了。

 人工智能實現復雜的設計

在歐特克的一個案例中，為地球設計復雜的機械設備是一項挑戰，而將它射入太空并且實現著陸完全是另一回事。這就是為什么Autodesk-歐特克為NASA噴氣推進實驗室設計的太空著陸器的特殊意義，這是有史以來最復雜的創成式設計的著陸器。

歐特克公司公布的這個全新的著陸器設計，外形酷似一只蜘蛛。通過歐特克的創成式設計軟件，這個設計方法運用的是大自然的進化結果的防生學計算公式。設計師和工程師們只需要將設計目標、材料、制造材料和成本限制等數據輸入到設計軟件中，設計軟件就能夠快速生成多種設計結果作為選項。

據歐特克公司稱，這款著陸器的重量與噴氣推進實驗室的其它著陸器設計相比降低了35%。它的重量大約為176磅（79.8千克），遠低于NASA最新的洞察力號火星著陸器約770磅（約349公斤）的重量。

仿生學不是復制自然形狀，而是復制自然解決問題的方法。仿生學和創成式設計之間的真正聯系是一些軟件如何利用自然界中發現的邏輯來獲得其中算法的奧秘。Autodesk Fusion 360內置的Dreamcatcher是目前創成式設計軟件的一個典型代表。

在 Autodesk Fusion 360 中，創成式設計的想法受到仿生學中自下而上的方法的啟發。令人著迷的是，有一個算法來自“白蟻巢穴，以及白蟻使用信息素相互發送信號的方式，開發人員創造了壓力或信息素梯度，核心方法非常簡單，但結果卻很復雜。

有了這種受自然啟發的邏輯作為其創成算法的核心，創成設計程序必然會不時創成有機形狀，以不對稱和復雜的表面為標志。但目前的制造方法無法與大自然所創造的奇跡相媲美，這使得創成式設計軟件本身還有著很多進化的空間。

Fusion 360 中的創成式設計包括制造感知技術，這意味著它可以生成多個受可用設計約束影響的設計選項。此外，減材和增材制造技術可幫助用戶了解設計的可能性。創成式設計還可以通過創建人類無法想象的可加工幾何形狀來提高生產力。

在并行工程支持方面，創成式設計技術使工程團隊能夠與制造團隊合作，根據材料、制造方法和成本限制等參數開發出現實的結果。需要在制造過程的早期跨團隊達成共識，從而增強和簡化工作流程。

 人工智能賦能設計與交互的方方面面

      要使 AM-增材制造真正與日常和社交活動相結合，用戶必須能夠輕松地與機器進行交互。機器學習和人工智能可以通過人工智能在圖像和語音識別中的應用來改變人與機器之間的交互。

       在許多情況下，3D 掃描用于生成零件的 3D 模型。圖像識別人工智能應用可以改進通常用于創建零件 3D 模型的 3D 掃描過程。當用戶使用互聯網數據庫提取 CAD 模型時，人工智能也很有用。人工智能有助于利用物聯網和數字空間來利用可用的設計（STL 和其他 CAD 文件）。

      在設計軟件改進和與工藝設計的整合上，可以對軟件進行修改，以利用微結構設計和自下而上工藝中的增材制造工藝能力。例如，知情設計過程可能會改變設計優化空間，并為創建用于設計優化的程序和軟件提供途徑。在這方面，不少的市售增材制造軟件都提供這方面的功能。

     并行設計的最新進展，其中設計在構建過程中進行自適應修改，以便可以修復或減少殘余應力或缺陷等負面影響。這需要深入了解設計參數如何影響殘余應力和缺陷，此外，需要一個現場過程監控反饋回路來通知設計過程。在后續的人工智能賦能3D打印系列文章中，3D科學谷將進行深度分享。