盡管科學(xué)家和工程師們還在源源不斷地造就可用于3D打印的具有特殊品質(zhì)的新材料，但這或許是一項有著挑戰(zhàn)性且成本昂貴的任務(wù)。

為了找到始終如一地產(chǎn)生新材料最佳打印質(zhì)量的最佳參數(shù)，專業(yè)操作人員經(jīng)常需要進(jìn)行人工試錯實(shí)驗，有時建立數(shù)千張打印。打印速度和打印機(jī)沉積的材料量是其中的一些變量。

當(dāng)下，麻省理工學(xué)院的研究人員運(yùn)用AI來簡化這一過程。他們開發(fā)了一種機(jī)器學(xué)習(xí)系統(tǒng)，運(yùn)用計算機(jī)視覺來監(jiān)控生產(chǎn)過程，并實(shí)時修復(fù)處理錯誤。

在使用模擬訓(xùn)練神經(jīng)網(wǎng)絡(luò)更改打印參數(shù)以降低錯誤后，他們將控制器放在真正的3D打印機(jī)上。

這項工作避免了打印數(shù)萬或數(shù)億實(shí)際對象來教授神經(jīng)網(wǎng)絡(luò)的過程。另外，這可能使工程師更容易在其設(shè)計中加入新穎的材料，使之能夠造就出具有獨(dú)特的化學(xué)或電氣特性的產(chǎn)品。假如在設(shè)置或正在打印的材料發(fā)生意外變化，這也可能使技術(shù)人員更容易對打印過程進(jìn)行快速調(diào)整。

由于涉及大量的試驗和錯誤，為數(shù)字化制造方法選擇最佳參數(shù)可能是過程中最昂貴的步驟之一。另外，一旦技術(shù)人員發(fā)現(xiàn)功能良好的組合，這些參數(shù)僅在該特定情況下是最佳的。因為其缺乏有關(guān)該物質(zhì)怎樣在各種環(huán)境、各種裝備上發(fā)揮作用或新批次是否具有不同特征的信息。

另外，使用機(jī)器學(xué)習(xí)系統(tǒng)也存在困難。研究人員必須首先對打印機(jī)上發(fā)生的事情進(jìn)行實(shí)時測量。

因此，他們開發(fā)了一個機(jī)器視覺裝置，兩個攝像頭指向3D打印機(jī)的噴嘴。該技術(shù)在材料沉積時對其進(jìn)行照明，并根據(jù)通過的光量確定材料的厚度。

要訓(xùn)練基于神經(jīng)網(wǎng)絡(luò)的控制器來理解這個制造過程，需要進(jìn)行數(shù)百萬次打印，這是一個數(shù)據(jù)密集型操作。

他們的控制器使用一種被稱為強(qiáng)化學(xué)習(xí)的方法進(jìn)行訓(xùn)練，這種方法通過在模型出錯時付費(fèi)來教育模型。該模型需要選擇可以在虛擬環(huán)境中生成特定對象的打印參數(shù)。當(dāng)模型在給定預(yù)測結(jié)果后，選取的參數(shù)使其打印結(jié)果與預(yù)期結(jié)果之間的方差最小即可獲得。

在這種情況下，“錯誤”意味著模型要么分配了過多的材料，填充了應(yīng)該保持空白的空間；要么沒有足夠的材料，留下了需要填充的空間。

殊不知，現(xiàn)實(shí)世界比模型還要粗糙。事實(shí)上，條件往往會因微小的波動或印刷過程噪聲而改變。研究人員運(yùn)用這種方法來模擬噪聲，進(jìn)而產(chǎn)生更準(zhǔn)確的結(jié)果。

當(dāng)對控制器進(jìn)行測試時，這比他們檢查的任何其他控制策略都更精確地打印出物體。其在打印填充材料時尤其有效，這涉及到打印物體的內(nèi)部。研究人員的控制器改變了打印路徑，使物體保持水平，而其他一些控制器放置了大量材料，使打印的物體會向上突出。

即使在材料沉積之后，控制策略也可以了解其怎樣分散和適應(yīng)參數(shù)。

研究人員打算為其他制造過程建立控制，當(dāng)下他們已經(jīng)證明了這種方法在3D打印中的效率。他們還想研究怎樣改變策略，以適應(yīng)有多個材料層或各種材料同時生產(chǎn)的情況。另外，他們的方法假設(shè)每種材料都有恒定的粘度，但以后的版本可能會使用AI實(shí)時檢測和計算粘度。