AI hittade ett billigare sätt att 3D-printa NASA:s raketlegering

Forskare vid Washington State University har använt maskininlärning för att hitta sätt att 3D-printa NASA-legeringen GRCop-42 på vanlig kommersiell utrustning. Arbetet presenteras i Proceedings of the AAAI Conference on Artificial Intelligence.

Problemet

GRCop-42 är en koppar-krom-niob-legering som NASA tagit fram för raketmotorer, där materialet måste leda bort värme extremt effektivt. Just de egenskaperna gör den svår att printa: omkring 90 procent av kommersiella skrivare klarar inte legeringen, eftersom koppar reflekterar laserljuset i stället för att absorbera det.

Så gick de tillväga

Antalet möjliga kombinationer av lasereffekt, hastighet, lagertjocklek och övriga parametrar överstiger 100 miljoner. Att testa sig fram är omöjligt. I stället matades data från 37 misslyckade utskrifter in i en modell som lärde sig förutsäga vilka otestade inställningar som hade chans att lyckas, och som sedan föreslog nya försök – med en avvägning mellan att utnyttja det som redan såg lovande ut och att utforska okända delar av rymden av inställningar.

Efter 40 experiment under tre månader hade gruppen, ledd av Jana Doppa vid institutionen för datavetenskap, hittat sex fungerande recept. Ett av dem fungerade på rekordlåga 500 watt – den första lyckade lågeffektsutskriften av GRCop-42.

Varför det spelar roll

Lägre effektbehov betyder att legeringen kan printas på standardutrustning i stället för i specialiserade rymdlabb. ”Vi demokratiserar i praktiken utskriften av den här legeringen”, sammanfattar forskarna. Lägre energiåtgång sänker dessutom kostnaden per detalj.

Metoden är det egentliga resultatet

Att komma från över 100 miljoner alternativ till sex fungerande med 40 experiment är den överförbara delen. Samma angreppssätt – låt en modell styra vilka fysiska försök som är värda att göra – används nu inom materialforskning, katalys och läkemedelsutveckling, där varje experiment är dyrt och tidskrävande.