查爾斯大學(xué)計(jì)算機(jī)圖形小組 (CGG) 的研究人員開(kāi)發(fā)了一種基于機(jī)器學(xué)習(xí) (ML) 的技術(shù)，可以幫助釋放高保真彩色 3D打印的潛力。通過(guò)不斷模擬打印過(guò)程，該團(tuán)隊(duì)成功地訓(xùn)練了一種算法，以迭代地找到限制顏色滲色和提高零件精度的最佳參數(shù)。該程序也非常高效，只需要一個(gè) GPU，使其比類(lèi)似的 AI 方法快 300 倍，同時(shí)將打印準(zhǔn)備時(shí)間從幾十小時(shí)減少到幾分鐘。

使用團(tuán)隊(duì)的新機(jī)器學(xué)習(xí)軟件創(chuàng)建的三色 3D 打印模型。圖片來(lái)自查爾斯大學(xué)。

彩色3D打印的速度限制

目前，許多材料噴射 (MJ) 3D 打印機(jī)能夠生產(chǎn)具有復(fù)雜顏色變化的零件，因此它們通常用于重建高度詳細(xì)的人工制品和手術(shù)模型。為了實(shí)現(xiàn)這一點(diǎn)，傳統(tǒng)的 MJ 系統(tǒng)使用紫外線來(lái)精確固化不同的半透明基色樹(shù)脂混合物，這種減法混合過(guò)程為它們提供了相當(dāng)廣泛的調(diào)色板。

然而，盡管彩色 3D 打印具有靈活性，但它可能會(huì)導(dǎo)致不需要的光學(xué)散射，從而影響任何生成部件的清晰度和準(zhǔn)確性。鑒于這種滲色是三維的，當(dāng)它發(fā)生時(shí)，它還會(huì)影響薄壁物體內(nèi)相對(duì)側(cè)的顏色，使其成為大規(guī)模精確生產(chǎn)的重大障礙。早在 2017 年，研究人員就證明了在打印過(guò)程中使用模擬來(lái)優(yōu)化材料放置的可行性，從而確保部件的最佳清晰度和對(duì)比度?，F(xiàn)在，基于數(shù)百萬(wàn)次測(cè)試運(yùn)行，該團(tuán)隊(duì)創(chuàng)建了一種改進(jìn)的算法，能夠更準(zhǔn)確地預(yù)測(cè)給定表面如何受到周?chē)牧系挠绊?，從而加快整個(gè)過(guò)程。

使用“蒙特卡羅”預(yù)測(cè)模型開(kāi)發(fā)的合成數(shù)據(jù)集示例。圖片來(lái)自查爾斯大學(xué)。

另一種光散射模型

傳統(tǒng)上，預(yù)測(cè)紫外線傳播的方向涉及使用所謂的“蒙特卡羅”（MC）模擬模型。盡管此類(lèi)方法通常很有效，但它們可能需要數(shù)小時(shí)才能完成，即使使用高端系統(tǒng)來(lái)生產(chǎn)非常小的物體，也會(huì)造成瓶頸，從而阻止復(fù)雜彩色零件的可擴(kuò)展生產(chǎn)。為了解決這個(gè)問(wèn)題，研究人員采用了一種數(shù)據(jù)驅(qū)動(dòng)的方法，在該方法中，他們使用深度神經(jīng)網(wǎng)絡(luò)來(lái)模擬減少樣本數(shù)量的產(chǎn)生，但代價(jià)是結(jié)果差異更大。盡管該團(tuán)隊(duì)的改進(jìn)循環(huán)導(dǎo)致了一些較低質(zhì)量的預(yù)測(cè)，但對(duì)參考對(duì)象進(jìn)行建模只需要 30 個(gè)小時(shí)，遠(yuǎn)少于 MC 驅(qū)動(dòng)軟件預(yù)計(jì)的 3,000 多個(gè)小時(shí)。

還發(fā)現(xiàn)修改后的算法在基本形狀和復(fù)雜幾何形狀之間比現(xiàn)有程序更好地泛化，可能使其成為進(jìn)行更廣泛的 3D 打印準(zhǔn)備的理想選擇。更重要的是，在單 GPU 工作站上進(jìn)行測(cè)試時(shí)，團(tuán)隊(duì)的軟件運(yùn)行速度是以前的兩倍，避免了組裝以前執(zhí)行 ML 任務(wù)所需的計(jì)算機(jī)集群的需要。事實(shí)上，與現(xiàn)有的 MJ 3D 打印工作流程相比，研究人員的速度提高了 300 倍，所得到的樣本的質(zhì)量水平與具有“感知更清晰”顏色的傳統(tǒng)模型相似，盡管他們的設(shè)置最終確實(shí)執(zhí)行了創(chuàng)建薄壁對(duì)象時(shí)效果較差。

研究人員在他們的論文中總結(jié)道：“[我們的] 3D 打印管道在質(zhì)量上與以前的工作相匹配，同時(shí)通常快 100 到 300 倍。盡管任何數(shù)據(jù)驅(qū)動(dòng)模型的通用性有限，但該網(wǎng)絡(luò)可以很好地泛化到看不見(jiàn)的幾何形狀和材料值。這種穩(wěn)健性為我們的實(shí)際部署提供了解決方案。”

機(jī)器學(xué)習(xí)驅(qū)動(dòng)的 AM 優(yōu)化

僅在過(guò)去的 12 個(gè)月中，ML 算法就發(fā)現(xiàn)了廣泛的 3D 打印應(yīng)用。就在去年，數(shù)據(jù)專(zhuān)家 Senvol 與美國(guó)陸軍研究實(shí)驗(yàn)室簽約，使用其專(zhuān)有的 ML 軟件作為開(kāi)發(fā)靈活計(jì)劃的一種手段，以對(duì) 3D 打印導(dǎo)彈部件進(jìn)行合格評(píng)定。在其他地方，阿貢國(guó)家實(shí)驗(yàn)室和德克薩斯農(nóng)工大學(xué)的研究人員使用實(shí)時(shí)溫度數(shù)據(jù)和機(jī)器學(xué)習(xí)軟件來(lái)實(shí)現(xiàn)先進(jìn)的 3D 打印缺陷檢測(cè)。具體來(lái)說(shuō)，科學(xué)家們已經(jīng)能夠?qū)⒘慵臒釟v史與激光粉末床融合過(guò)程中亞表面缺陷的形成相關(guān)聯(lián)。

同樣，紐約大學(xué)的一個(gè)團(tuán)隊(duì)成功地使用機(jī)器學(xué)習(xí)工具對(duì)玻璃和碳纖維 3D 打印組件進(jìn)行逆向工程。 利用測(cè)試樣本的 CT 掃描，研究人員能夠有效地“竊取”他們的設(shè)計(jì)，并將其重新創(chuàng)建到原始設(shè)計(jì)的 0.33% 以?xún)?nèi)。

來(lái)源：https://www.3ddayin.net/xinwenpindao/xin3Ddayinjishu/40371.html