MIT、新たな3Dプリント材料の発見を加速する新たなAIツールを開発

カスタマイズされた医療機器から手頃な価格の住宅まで、あらゆるものを作成するために使用される 3D プリント技術の人気が高まるにつれて、新しい 3D プリント材料の需要が高まっています。こうした新素材の発見に必要な時間を短縮するために、MIT の研究者は、機械学習を使用して、靭性や圧縮強度などのさまざまな特性を持つ新しい 3D プリント素材を最適化するデータ駆動型プログラムを開発しました。

[[429545]]

このシステムは材料開発を簡素化することでコストを削減し、化学廃棄物の量を減らして環境への影響を軽減します。機械学習アルゴリズムは、人間の直感では見逃してしまうような独自の化学レシピを提案することで、イノベーションを促進することもできます。

「材料開発は、いまだに大部分が手作業です。化学者が研究室に行き、材料を手で混ぜ、サンプルを作り、テストし、最終的な配合を考案します」と、コンピューターサイエンスおよび人工知能研究所 (CSAIL) の計算設計および製造グループ (CDFG) の機械エンジニア兼プロジェクト マネージャーであり、この論文の共同筆頭著者である Mike Foshey 氏は言います。「しかし、化学者が数日間で数回の反復作業を行うのに対し、当社のシステムでは同じ期間に何百回もの反復作業を行うことができます。」

研究者らが開発したシステムでは、最適化アルゴリズムが試行錯誤による発見プロセスの多くを実行します。材料開発者は、いくつかの原料を選択し、その化学組成の詳細をアルゴリズムに入力して、新しい材料が持つべき機械的特性を定義します。次に、アルゴリズムはそれらの材料の量を増減し（アンプのノブを回すように）、各レシピが材料の特性にどのような影響を与えるかを調べて、理想的な組み合わせに到達します。

開発者はその後、そのサンプルを混合、処理、テストして、材料が実際にどのように機能するかを確認します。開発者は結果をアルゴリズムに報告し、アルゴリズムは実験から自動的に学習し、新しい情報を使用してテストする別のレシピを決定します。

研究者たちは、同じ最適化アルゴリズムを組み込んだ、AutoOED と呼ばれる無料のオープンソース材料最適化プラットフォームを作成しました。 AutoOED は、研究者が独自の最適化を実行することもできる完全なソフトウェア パッケージです。

研究者らは、このシステムを使用して、紫外線にさらされると硬化する新しい 3D 印刷インクの配合を最適化することでシステムをテストしました。彼らは配合に使用されている 6 つの化学物質を特定し、靭性、圧縮弾性率 (硬度)、強度の点で最も優れた性能を発揮する材料を発見するというアルゴリズムの目標を設定しました。