Aprendizaje automático en el desarrollo de materiales para impresión 3D

La inteligencia artificial, y más concretamente, el aprendizaje automático (machine learning en inglés) se está abriendo camino a través de diversas aplicaciones en la industria de fabricación aditiva. En esta ocasión, varios investigadores del MIT han aplicado la naturaleza basada en datos de este aprendizaje para automatizar el proceso de descubrimiento de nuevos materiales de impresión 3D. Con el aprendizaje automático, los factores en términos de rendimiento del material, como la tenacidad y la resistencia a la compresión, se optimizaron mediante un algoritmo que superó con creces a los métodos convencionales de formulación en la impresión 3D. Como resultado de este estudio, los investigadores crearon una plataforma de código abierto y gratuita que sirve para la optimización de materiales. Llamada AutoOED, esta solución permite a otros expertos realizar sus propias optimizaciones.

El algoritmo es capaz de ofrecer nuevas formulaciones químicas que los usuarios probablemente no hubieran considerado. “El desarrollo de materiales sigue siendo en gran medida un proceso manual. Un investigador entra en un laboratorio, mezcla los componentes a mano, hace muestras, las analiza y llega a una formulación final. Pero en lugar de tener una sola persona que solo haga un par de iteraciones en unos días, nuestro sistema puede hacer cientos de iteraciones en el mismo lapso de tiempo”, explicó Mike Foshey, coautor principal del artículo e ingeniero mecánico del proyecto. También es gerente en el Grupo de Diseño y Fabricación Computacional (CDFG) del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL).

Así, identificaron seis productos químicos para usar en las formulaciones, y luego establecieron el objetivo del algoritmo para descubrir el material de mejor rendimiento, controlado por la dureza, rigidez y resistencia. En términos de automatización del proceso de desarrollo de materiales, utilizando esta metodología del MIT, los pasos de dispensación, mezcla, impresión 3D, posprocesamiento y testeo se pueden completar sin necesidad de intervención humana. Sin embargo, sí se necesita mano de obra para transferir materiales entre los diferentes pasos de fabricación de muestras. Foshey cree que se podrían incorporar robots automatizados para eliminar la intervención humana en las versiones futuras de este sistema. Después de probar 120 formulaciones, el estudio dio como resultado 12 formulaciones optimizadas, y los investigadores concluyeron que su metodología de estudio podría generalizarse para su aplicación a otros sistemas de diseño de materiales. Esto permitiría entonces el desarrollo automatizado en otras ciencias de los materiales.

La plataforma AutoOED ya mencionada incorpora el algoritmo de optimización de este estudio y actualmente está disponible como un paquete de software. El proyecto fue apoyado por la empresa alemana BASF, uno de los mayores productores de químicos del mundo. Puedes obtener más información sobre el tema a través de este enlace.

¿Qué piensas de la utilización de aprendizaje automático para el desarrollo de materiales en la impresión 3D? Deja tus comentarios en nuestras redes sociales: Facebook, Twitter, Youtube y RSS. Sigue toda la información sobre impresión 3D en nuestra Newsletter semanal.