MITの最新AIアルゴリズムは3Dプリント材料の性能空間を288倍に拡大

出典: アカデミックヘッドライン

3Dプリンティングは、積層造形（AM）とも呼ばれ、現在の人間の製造業における最先端技術の1つです。これまで製造が困難だった製品の製造を可能にすることが期待されており、航空宇宙、建設、自動車、歯科、食品、武器、さらには人工臓器など、幅広い応用が期待されています。

3D プリント用の材料には、金属材料、非金属材料、医療用生体材料などさまざまなものがありますが、多くの材料は非効率的な人間の直感に基づいた方法で設計されており、最適な材料ソリューションではないため、ほとんどの材料にはパフォーマンスのトレードオフがあります。

最近、MITのコンピュータサイエンスおよび人工知能研究所（CSAIL）の研究チームは、最適な機械的特性を持つ3Dプリント材料の発見を加速できる機械学習手法を提案しました。関連する研究論文は「データ駆動型多目的最適化を使用した3Dプリント材料の発見の加速」と題され、科学誌「Science Advances」に掲載されました。

論文で提案された方法は、主なレシピに関する事前知識がなくても、わずか 30 回の実験反復で 12 の最適なレシピを自動的に明らかにし、発見されたパフォーマンス空間を 288 倍に拡大しました。この方法は、他の材料設計システムにも拡張され、最適な材料の自動発見を実現することが期待されます。

最適な配合処方を見つける<br /> 近年、ガラス、電池、高温セラミックス、人工臓器などの3Dプリントが成功しています。さまざまなポリマー印刷方法の中でも、ステレオリソグラフィーとマテリアルジェッティング3Dプリントは、ロボット部品、義肢、生物学的足場、カスタマイズ製品（靴、衣類、建物、模型など）などの優れた応用見通しを示しています。

しかし、現在、新しい 3D プリント材料の開発は、ポリマー化学の専門知識と発見のための広範な実験に依存しており、材料開発の効率と拡張性が制限されています。さらに、現在の 3D プリント材料は、一般的に、一度に 1 つのパフォーマンス要因を使用して設計および最適化されています。このアプローチでは通常、非常に多くのサンプルをテストする必要があり、その結果、大量の廃棄物と環境への悪影響が生じますが、最適なソリューションは見つかりません。

したがって、3D プリント技術をさらに普及させるには、最適な性能を持つ材料の開発を加速することが重要です。

さらに、将来のバイオエンジニアリングや航空宇宙工学などのさまざまな応用分野の技術的課題に対応するために、3D プリンティングでは特定の用途に合わせて材料特性を最適化できる必要もあります。

論文では、研究者らは、3D 印刷技術用の新しい光硬化性インクを見つけるための半自動データ駆動型ワークフローを提案し、費用対効果と効率性を示しています。ワークフローの目的は、最適な複合配合のセットを見つけることです。実験では、材料スキームは 6 つの主要な光硬化性インク配合で構成され、手動で設計された主要な配合の性能レベルを超えるように機械的特性を改善します。これらの複合配合は、限られた実験のみで複数の性能目標に合わせて自動的に最適化できます。

加速材料発見システムのワークフローの概略図（出典：Science Advances）
ワークフローは上図に示されています。まず、研究者は必要に応じて特定の比率で一次配合を分配し (図 A)、次にそれらを十分に混合して (図 B)、複合配合を準備します。次に、各複合配合をサンプル準備のためにジェットバルブ 3D プリンターに転送し (図 C)、その後後処理して (図 D)、サンプル準備を完了します。最後に、サンプルをテストして、いくつかの定量的な機械的特性パラメータ（靭性、圧縮弾性率、最大圧縮弾性率、圧縮強度）を抽出しました（図 E）。

さまざまな処方をテストするために必要なリソースを最小限に抑え、より優れたパフォーマンスの設計を迅速に見つけるために、研究者はベイズ最適化に基づくデータ駆動型アプローチを使用しました (図 F)。

意思決定プロセス全体を通して重要な洞察は、最も有望なフォーミュラを活用することと、設計空間の不確実な領域を探索することとのバランスにあります。実験結果では、12 種類の 3D プリント材料の性能空間の急速な改善と発見が実証され、アルゴリズムの反復をわずか 30 回実行しただけで最適な収束が達成されました。このアプローチは、強靭なハイドロゲル、外科用シーラント、ナノ複合コーティングの最適化など、他の処方設計の問題にも簡単に一般化できます。

パフォーマンス空間の容積が288倍に増加 具体的には、基本成分と材料配合に関して、研究者らはまず、互いに適合する光硬化性一次配合のセットを生成し、混合して異なる機械的特性を持たせました。もちろん、印刷材料をゼロから開発したわけではなく、まず8つの市販配合成分（光開始剤、3つの希釈剤、4つのオリゴマーを含む）を特定しました。次に、ライブラリ内の8つの主要成分から6つの主要配合（A〜F）を構成しました。

配合成分のあらゆる組み合わせが 3D プリント可能であり、プリント可能な粘度範囲内であることを保証するために、研究者らは界面活性剤も追加し、材料の表面張力を調整してプリンターとの適合性を高めました。

システムで使用される主な配合と、広範囲の機械的特性をカバーする主な配合特性（出典：Science Advances）
その後、研究者らはジェットバルブディスペンシング技術に基づく 3D 印刷の実験を行いました。他の種類の 3D 印刷技術と比較すると、ジェットバルブはさまざまな流体特性を持つインク材料をディスペンシングでき、信頼性の高い印刷プロセスを実現するために必要なプロセスパラメータの調整が少なくて済みます。これらの機能により、テストできる材料の種類が増え、サンプルの準備とデータ収集にかかる時間が短縮されます。

最後に、各配合から性能データを抽出するために、研究者らはユニバーサルテスターを使用して 3D プリントおよび後処理されたサンプルの圧縮テストを実施しました。

この論文で提案されている最適化アルゴリズムの目標は、主な配合 A から F の 6D 設計空間内を移動し、靭性、圧縮弾性率、最大強度という 3 つの目標に関して最適な性能設計を迅速に見つけることです。これらの性能指標が選択されたのは、これらの特性がエンジニアリング用途において重要な機械的特性であり、通常、3 つの材料特性すべてを最大化する必要があるためです。

ただし、これらの目標は互いに矛盾することが多いため、単一の最適なソリューションは存在せず、さまざまなトレードオフを伴う最適なパフォーマンスを実現するための一連の設計が必要になります。この論文で提案されている機械学習手法は、テストされていないサンプルのパフォーマンスを予測することを学習し、設計空間のサンプリングをガイドして、より優れたパフォーマンスを持つ設計を迅速に見つけます。

最適な 3D プリント材料のレシピを見つけるために使用される最適化アルゴリズムの概要 (出典: Science Advances)
提案された材料開発ワークフローを実験でテストするために、研究者は、最初のデータセットに加えて 120 サンプルに予算が固定されていたため、合計 30 回のアルゴリズム反復を実行しました。各アルゴリズムの反復では、時間を短縮するために 4 つのサンプルが並行してテストされ、最適化プロセス中に合計 120 個のサンプルがテストされました。合計 150 個のサンプル (初期サンプル 30 個とアルゴリズムによって提案されたサンプル 120 個) をテストした後、システムは最終的に、圧縮弾性率、最大圧縮強度、靭性の 3 つの機械的特性に関して最適なトレードオフを持つ 12 個の配合のセットを決定しました。

反復アルゴリズムは、特性空間の未知の領域の探索と、特性の大きな変化を持つ材料の発見を促進します。

主要な配合と評価されたすべてのサンプルの圧縮強度と圧縮弾性率の特性を監視したところ、性能空間は 250 パーセント拡大し、圧縮強度と靭性は 399 パーセントと大幅に向上し、圧縮弾性率と靭性では性能空間が 584 パーセント拡大しました。凸包は、テストされたすべてのサンプル内に含まれるパフォーマンス空間の容積の尺度であり、元の 5 つの主要な配合のパフォーマンス空間の容積の 288 倍に増加しました。これらの改善は、手動では簡単に見つけることができない特定の範囲の特性を必要とするアプリケーションにとって重要になる可能性があります。

実験では、最適化によって、化学組成が材料の最終的な機械的特性に与える影響に関する興味深い結果を提供するデータセットが生成されたことも研究者らは発見しました。たとえば、ベース混合物 F の主成分であるポリウレタンジメタクリレート (UDMA) は、高弾性率材料に大きく貢献していることがわかりました。この貢献は、その高い変換率と水素結合を形成する傾向によるものと考えられます。

さらに研究者たちは、脆いプリントを生成する傾向がある、高度に架橋する試薬である六官能性脂肪族ウレタンアクリレートを最小限に抑えるアルゴリズム最適化エンジンの傾向が寄与していることも確認しました。

高い靭性特性は、ウレタン改質アクリレートオリゴマー（24% ～ 37%）、脂肪族ウレタンジアクリレート（最大 26%）、および UDMA（最大 40%）を使用した配合によって実現され、高靭性配合には、希釈剤のアクリルアミドとアクリレートがそれぞれ 14% ～ 18%、1% ～ 19% 含まれています。最も優れた圧縮強度を示す複合配合物には、オリゴマー、34% のウレタン改質アクリレート、26% の脂肪族ウレタンジアクリレート、および 6% の UDMA が含まれています。また、希釈剤、15% のアクリルアミド、および 19% のアクリレートも含まれています。

新たな研究基盤を提供する<br /> 研究者らは、この論文で提案された方法は、ハイブリッドポリマーシステムの性能特性を改善するための自動化された準備「パイプライン」を提供すると結論付けました。混合からサンプル処理まで、プロセスの各ステップを完全に自動化できるため、実験で使用する基板を変更することで、コーティングや成形などのさまざまな最適化ニーズに適応できる自動化プロセスのテンプレートが提供されます。

しかし、この研究にもいくつかの限界があります。たとえば、設計空間を定義する場合、基本的なコンポーネントは既知の印刷可能なインクまたは材料に限定されます。これにより実験の効率は向上しますが、基本的なインクと材料の組み合わせ以外の革新的な組み合わせを見逃してしまう可能性があります。印刷プロセスとしてジェットバルブディスペンシングを選択すると、幅広い材料を検討できるようになりますが、その結果を商業印刷プロセスに直接適用することが多少妨げられます。

この科学研究のアイデアが新たな扉を開いたことは、肯定する価値があります。論文で説明されている材料発見システムは、3D 印刷用のフォトポリマー配合を最適化するための新しい方法を提供します。このシステムを使用すると、業界は、圧縮弾性率、圧縮強度、靭性などの機械的特性の最適なバランスを実現する新しい 3D 印刷材料配合のセットを見つけることができます。これにより、材料エンジニアとポリマー化学者がさまざまなパフォーマンス目標とアプリケーションに合わせて材料配合を見つけて最適化するための基盤が築かれます。

参考文献:

https://news.mit.edu/2021/accelerating-materials-3d-printing-1015 https://www.science.org/doi/10.1126/sciadv.abf7435

MITの最新AIアルゴリズムは3Dプリント材料の性能空間を288倍に拡大

さまざまな 3D プリント食品がロンドンで近々公開されます。グルメな準備はできていますか?

3D プリントされた心臓と肺の臓器モデルは、本物の臓器のように鼓動し、出血し、呼吸します。

XJetが初の金属セラミック3Dプリンターを導入、購入者はスイスのエリコン

サポートの削除はもう難しくありません!ストラタシス、WSS™ 150 水溶性サポート材を発売

【3Dカルチャー】ゴシック様式の誕生：西洋美術と3Dプリントの融合

ベントレーは、3Dプリント能力を拡大し、数千の新しい部品を生産するための新しい技術を導入しました。

マイクロナノ3Dプリンティングが次世代アンテナの開発に貢献、MMF Precisionとサンウェイコミュニケーションズが戦略的協力関係を締結

サルトリウス、3Dバイオプリンティング企業BICOの株式10%を4500万ユーロで取得

ベジタリアンステーキ美味しい！ Novameatが新しい食品3Dプリント技術を導入

オートデスク、2017年度決算を発表：純損失5億7,920万ドル

推薦する

超高真空環境向けの PEEK およびアルミニウム 3D プリント部品

AddUp が ASTM 付加製造安全認証を取得した最初の OEM に: 新たな業界ベンチマークを設定

シドニー大学は3Dプリントを使って血管モデルを構築

アメリカではオンラインで設計図をダウンロードして銃を3Dプリントすることは合法ですか？幸いなことに、裁判官は緊急にそれを止めました...

強力な提携 | Enigma が WAAM3D と提携し、アーク積層造形の開発を推進

世界最大の金属 3D プリント調達プラットフォームがオンライン化されます。最高の印刷見積もりを提供できます

ウォルマートの740平方メートルのスーパーマーケット店舗は、米国最大のコンクリート3Dプリント建物となる。

スペインが世界初、長さ12メートルの3Dプリントコンクリート歩道橋を建設

レーザー3Dプリント溶融池の凝固挙動を能動的に追跡する国産数値シミュレーション法

西安交通大学の呂院士と方学偉氏のチーム：チタン繊維強化アルミニウムマトリックス複合材料の付加製造技術の研究

Sinaのカラーポートレート印刷製品がユニバーシアードで発表され、CCTVで取り上げられ賞賛されました！

永年レーザーの張定軍氏：3Dプリントはビッグデータとモノのインターネットと統合する必要がある

3Dプリント製品の非破壊検査の現状と展望

ストラタシス、フルカラーの永久義歯3Dプリントソリューションを発表

CATスキャン医師のための新しいツール：医療アプリケーションソフトウェアD2PはCTデータから3Dモデルを素早く抽出します