由于Alchemite的机器学习算法，为3D打印项目设计新材料现在变得更加简单、快速和低成本Intellegens总部位于剑桥的人工智能(AI)公司。在几家商业伙伴和剑桥大学的Stone集团的研究合作中，Alchemite深度学习算法被用于设计一种新的镍基合金，用于直接激光沉积，而不需要昂贵的，推测性实验——为团队节省了大约15年的研究和1000万美元的研发支出。
利用智能人的炼金术引擎的力量，该引擎被设计用来处理稀疏或嘈杂的数据，斯通集团的研究伙伴能够分析现有材料信息，并确定一种新的镍基燃烧室合金，可以满足3D打印喷气发动机组件所需的性能指标。
直接激光沉积被广泛应用于生产和维修定制的高价值部件，包括航空发动机部件、涡轮叶片和石油钻井工具。与传统的生产技术相比，直接激光沉积技术有潜力为元件制造商节省大量的时间和金钱。然而，这种制造方法要充分发挥其潜力，就需要新一代的材料，能够适应在过程中产生的高温和应力梯度。
使用传统的研究技术开发新材料仍然是一个漫长而昂贵的过程，通常涉及大量的试验和错误——设计用于直接激光沉积的新合金尤其具有挑战性。到目前为止，直接激光沉积只应用于大约10种镍合金成分，这严重限制了进一步研究可用的数据量。
Alchemite为合金研究团队提供了一种解决这个问题的方法，并加快了整个材料选择过程。能够从只有0.05%完整的数据中学习，Alchemite能够连接和交叉参考可用的数据;验证潜在新合金的物理性能;并准确预测它们在现实应用场景中的作用。
随着Alchemite的应用，以及最合适的合金选择的确定，由Stone Group领导的研究团队开始了一轮实验，以确认新材料的物理性能。该团队希望新合金具有跨越加工性能、成本、密度、相稳定性、抗蠕变性、抗氧化性、疲劳寿命和抗热应力的特性。结果表明，与现有的其他工业合金相比，该合金更适合于直接激光沉积和相关应用。
Intellegens首席技术官、剑桥大学皇家学会大学研究员Gareth Conduit表示:“凭借深度学习能力，可以非常迅速地确定资产与资产之间的关系，Alchemite在协助该项目方面处于独特的位置。通过机器学习，Alchemite团队能够使用一个大型的热电阻测量数据库来指导仅10个合金可加工性数据条目的推断。根据这些信息，我们能够列出最有可能提供正确特性的材料组合。结果不言自明。多亏了Alchemite，团队现在有了一种新的合金，节省了大量的研发时间和资金。”
加雷思接着说:“世界上有数百万种商用材料，它们有数百种不同的特性。使用传统技术来探索我们所知道的关于这些材料的信息，提出新的物质、基质和系统，是一个艰苦的过程，可能需要数月甚至数年的时间。通过了解现有材料数据中的潜在相关性，估算缺失的性能，Alchemite引擎可以快速、高效、准确地提出具有目标性能的新材料，从而加快开发进程。这种技术在直接激光沉积领域和更广泛的材料领域的潜力是巨大的，特别是在3D打印等领域，在这些领域，新材料需要与完全不同的生产工艺进行工作。”
了下:3D打印•增材制造•立体光刻，AI•机器学习，快速原型
