I ricercatori della Washington State University hanno utilizzato l'intelligenza artificiale per trovare un modo più economico e semplice per stampare in 3D la lega ad alte prestazioni della NASA, GRCop-42. Questo materiale, composto da rame, cromo e niobio, è stato creato per condizioni estreme: conduce ottimamente il calore e mantiene la resistenza alle alte temperature, per questo viene utilizzato nelle camere di combustione dei motori a razzo a propellente liquido.
Di solito la stampa di GRCop-42 richiede un laser potente e costa molto. La maggior parte delle stampanti commerciali non è in grado di gestirlo. La regolazione manuale di tutte le possibili impostazioni - più di 100 milioni di combinazioni - è praticamente impossibile: ogni esperimento consuma materiale, tempo e denaro.
Il team ha iniziato con i dati di 37 tentativi di stampa falliti. Sulla base di questi, l'IA ha sviluppato un modello che valutava la probabilità di successo per impostazioni non testate. Il sistema proponeva piccoli gruppi di nuove configurazioni, bilanciando tra opzioni promettenti e quelle che aiutavano a comprendere meglio lo spazio di ricerca.
In tre mesi e con soli 40 esperimenti, sono riusciti a trovare sei impostazioni funzionanti. Una di queste ha permesso per la prima volta di stampare la lega con una potenza del laser da record, pari a 500 watt. Questo apre la strada all'uso di attrezzature più accessibili.
"Il novanta per cento delle stampanti commerciali non può stampare questa lega", osserva la professoressa Jana Doppa, che ha guidato la ricerca. "I parametri trovati consentono di lavorare su macchine normali e di fatto democratizzano la stampa di questo materiale".
Il primo autore dell'articolo, lo studente di dottorato Azza Fadhel, aggiunge che in precedenza alcune configurazioni semplicemente fondevano il pezzo. Ora l'IA aiuta a evitare errori così costosi.
Il successo del progetto è stato pubblicato negli atti della conferenza AAAI sull'intelligenza artificiale. Il metodo può essere adattato ad altre leghe e problemi in cui il successo è raro e il numero di varianti è enorme. Ma il modo in cui l'IA ha gestito uno spazio di varianti così vasto ha dimostrato che l'approccio funziona anche con costi reali di materiali e attrezzature.
In prospettiva, ciò ridurrà il consumo energetico, diminuirà l'usura delle stampanti e renderà la lega accessibile a università, piccoli laboratori e aziende senza attrezzature specializzate ad alta potenza.
