Para peneliti dari Washington State University menggunakan kecerdasan buatan untuk menemukan cara yang lebih murah dan lebih sederhana untuk mencetak 3D paduan NASA berkinerja tinggi — GRCop-42. Material yang terbuat dari tembaga, kromium, dan niobium ini dirancang untuk kondisi ekstrem: material ini menghantarkan panas dengan sangat baik dan mempertahankan kekuatan pada suhu tinggi, sehingga digunakan dalam ruang bakar mesin roket cair.
Biasanya, pencetakan GRCop-42 membutuhkan laser yang kuat dan biaya yang mahal. Kebanyakan printer komersial tidak dapat menanganinya. Menelusuri semua pengaturan yang mungkin secara manual — lebih dari 100 juta kombinasi — hampir mustahil: setiap eksperimen menghabiskan material, waktu, dan uang.
Tim memulai dengan data dari 37 percobaan pencetakan yang gagal. Berdasarkan data tersebut, AI mengembangkan model yang mengevaluasi probabilitas keberhasilan untuk pengaturan yang belum diuji. Sistem tersebut mengusulkan kelompok-kelompok kecil konfigurasi baru, menyeimbangkan antara opsi yang menjanjikan dan opsi yang membantu memahami ruang pencarian dengan lebih baik.
Dalam tiga bulan dan hanya 40 eksperimen, mereka berhasil menemukan enam pengaturan yang berfungsi. Salah satunya untuk pertama kalinya memungkinkan pencetakan paduan tersebut dengan daya laser yang sangat rendah — 500 watt. Ini membuka jalan untuk menggunakan peralatan yang lebih terjangkau.
"Sembilan puluh persen printer komersial tidak dapat mencetak paduan ini," kata Profesor Jana Doppa, yang memimpin penelitian tersebut. "Parameter yang ditemukan memungkinkan bekerja pada mesin biasa dan pada dasarnya mendemokratisasi pencetakan material ini."
Penulis pertama artikel tersebut, mahasiswa pascasarjana Azza Fadhel, menambahkan bahwa sebelumnya beberapa konfigurasi hanya melelehkan benda kerja. Sekarang AI membantu menghindari kesalahan yang mahal seperti itu.
Keberhasilan proyek ini dipublikasikan dalam Proceedings of the AAAI Conference on Artificial Intelligence. Metode ini dapat diadaptasi untuk paduan lain dan tugas-tugas di mana keberhasilan jarang terjadi dan jumlah variasinya sangat banyak. Namun, bagaimana tepatnya AI mengatasi ruang variasi yang begitu besar menunjukkan bahwa pendekatan ini berhasil bahkan dengan biaya material dan peralatan yang nyata.
Ke depannya, ini akan mengurangi konsumsi energi, mengurangi keausan printer, dan membuat paduan ini dapat diakses oleh universitas, laboratorium kecil, dan perusahaan tanpa peralatan berdaya tinggi khusus.
