Des chercheurs de l'Université de l'État de Washington ont utilisé l'intelligence artificielle pour trouver un moyen moins cher et plus simple d'imprimer en 3D l'alliage haute performance de la NASA, le GRCop-42. Ce matériau à base de cuivre, de chrome et de niobium est conçu pour des conditions extrêmes : il conduit très bien la chaleur et conserve sa résistance à haute température, c'est pourquoi il est utilisé dans les chambres de combustion des moteurs de fusée à propergol liquide.
Habituellement, l'impression du GRCop-42 nécessite un laser puissant et coûte cher. La plupart des imprimantes commerciales ne peuvent pas le gérer. Tester manuellement toutes les configurations possibles — plus de 100 millions de combinaisons — est pratiquement impossible : chaque expérience consomme du matériau, du temps et de l'argent.
L'équipe a commencé avec des données sur 37 tentatives d'impression infructueuses. Sur cette base, l'IA a développé un modèle qui évaluait la probabilité de succès pour des configurations non testées. Le système proposait de petits groupes de nouvelles configurations, en équilibrant entre les options prometteuses et celles qui aidaient à mieux comprendre l'espace de recherche.
En trois mois et avec seulement 40 expériences, ils ont réussi à trouver six configurations de travail. L'une d'elles a permis pour la première fois d'imprimer l'alliage avec une puissance laser record basse — 500 watts. Cela ouvre la voie à l'utilisation d'équipements plus abordables.
« Quatre-vingt-dix pour cent des imprimantes commerciales ne peuvent pas imprimer cet alliage », note la professeure Jana Doppa, qui a dirigé la recherche. « Les paramètres trouvés permettent de travailler sur des machines ordinaires et démocratisent en quelque sorte l'impression de ce matériau ».
Le premier auteur de l'article, l'étudiant diplômé Azza Fadhel, ajoute qu'auparavant, certaines configurations faisaient simplement fondre la pièce. Maintenant, l'IA aide à éviter de telles erreurs coûteuses.
Le succès du projet a été publié dans les Proceedings of the AAAI Conference on Artificial Intelligence. La méthode peut être adaptée à d'autres alliages et à des tâches où le succès est rare et le nombre de variantes énorme. Mais la manière dont l'IA a géré un espace de variantes aussi vaste a montré que l'approche fonctionne même avec les coûts réels des matériaux et de l'équipement.
À terme, cela réduira la consommation d'énergie, diminuera l'usure des imprimantes et rendra l'alliage accessible aux universités, aux petits laboratoires et aux entreprises sans équipement spécialisé de haute puissance.
