卡耐基梅隆大学（CMU）研究人员于2026年2月在《增材制造快报》期刊发表最新研究成果，成功开发出一套基于大语言模型（LLM）的多智能体工作流系统，用于自动化评估金属粉末床熔融（LPBF）工艺中合金的可打印性。

该团队创新性地将Thermo-Calc热力学计算软件与分析熔池模型相结合，通过生成未熔合（LoF）工艺窗口图，实现了对已知及新型合金成分的快速筛选。这一突破有望显著提升金属增材制造的材料开发效率。

与传统增材制造合金筛选方式不同，CMU系统采用模型上下文协议（MCP）整合了三大核心工具服务器：基于CALPHAD方法的热力学属性预测模块、工艺图生成模块以及状态管理工作空间。LLM通过自然语言指令转换为结构化输入，并自动调度整个分析流程。

针对每种合金，系统首先生成包含元素质量分数的成分文件。Thermo-Calc计算模块负责获取关键参数如密度、导热系数和相变温度，而吸收率则采用Drude近似模型计算。增材制造模块通过Rosenthal分析热源模型估算熔池尺寸，并应用未熔合重叠判定标准生成工艺风险图。

研究团队在三种典型场景下验证了系统性能：验证已知合金、执行性能导向搜索以及评估新型/改性合金。测试显示，系统能成功为不锈钢316L和Inconel 718等成熟材料生成LoF图，并在70%的新型合金案例中获得有效结果。

通过与已发表数据对比，IN718的预测结果与文献观察存在部分重合，SS316L在低功率高速度组合下的LoF预测趋势则与实测行为相符。研究人员指出，当前的简化Rosenthal模型是预测偏差的主要来源。

研究团队承认系统存在的局限性，特别是未直接模拟小孔效应与球化现象，这些通常需要计算流体力学（CFD）方法才能准确表征。未来计划将扩展框架功能，涵盖更多缺陷模式、束斑尺寸效应优化及实验验证环节。

这项研究反映了金属增材制造领域的关键挑战：在保持高精度热模拟的同时解决算力瓶颈。CMU的智能体工作流通过"自然语言交互层+物理模型核心"的创新架构，为当前分割的热力学计算、工艺建模及参数选择环节提供了协同解决方案。