浦项科技大学与韩国材料科学研究院的研究人员近日开发出一种基于人工智能的分析框架。

该框架能够在几秒钟内预测金属3D打印部件的机械强度，即使部件内部存在缺陷时也能完成预测。

这项研究已于近日发表在国际材料科学期刊《Acta Materialia》上。

在激光粉末床熔融工艺的层层堆积过程中，经常会产生微小的、气泡状内部孔隙。这些孔隙可能成为零件在飞机发动机或汽车组件等苛刻应用中的关键薄弱点。

为了应对量化这些孔隙影响需要的高成本重复测试难题，研究团队训练AI与缺陷共存。

该模型摄入了一个涵盖激光功率和扫描速度等制造参数、内部微观结构数据以及孔隙大小和空间分布信息的广泛数据集。

研究团队应用了一种名为“数据选择性学习”的技术，以识别对强度影响最大的变量，从而提高预测准确性。

该框架的显著特点是，它能在预测的同时生成人类可读的方程式，而非作为一个“黑箱”运行。

在铝-硅-镁合金上进行的验证测试显示，其强度预测的平均误差为9.51兆帕。

研究团队表示，这一结果的准确性是现有方法的四倍以上。

研究人员指出，该框架可以扩展为一个缺陷感知设计图，使工程师能够提前洞察部件性能如何随制造条件的变化而改变。

领导这项研究的Kim Hyeong-seop教授表示，这项技术将提升金属3D打印部件的可靠性，极大地加速其在航空航天、汽车等领域的商业化进程。