Los investigadores de la Facultad de Ingeniería de la Universidad Carnegie Mellon han desarrollado un enfoque novedoso para optimizar la impresión tridimensional de materiales blandos. El método de Optimización Guiada por Expertos EGO de los investigadores combina el juicio experto con un algoritmo de optimización que busca eficientemente combinaciones de parámetros relevantes paraImpresión 3D, que permite imprimir productos de material blando de alta fidelidad.
Los investigadores, que incluyen a la autora principal Sara Abdollahi, estudiante de doctorado en ingeniería biomédica; Adam Feinberg, profesor asociado de ingeniería biomédica y ciencia e ingeniería de materiales; Alex Davis, profesor asistente de ingeniería y políticas públicas; y DietrichEl profesor de la Facultad de Humanidades y Ciencias Sociales, John Miller, diseñó el método EGO para optimizar impresiones 3D de materiales blandos de alta calidad.
En su documento, "Optimización guiada por expertos para la impresión 3D de materiales blandos y líquidos", que se publicó recientemente en PLOS uno , los investigadores demuestran el método EGO utilizando resina de elastómero de polidimetilsiloxano líquido PDMS, un material utilizado a menudo en sensores portátiles y dispositivos médicos. Los investigadores utilizaron un método de impresión llamado incrustación reversible de forma libre FRE, en el que se depositan materiales blandos dentroun baño de gel de apoyo.
Cuando se trata de imprimir materiales blandos en 3-D, muchos parámetros pueden afectar el producto final. Qué tan rápido se mueve el cabezal de la impresora 3-D, la consistencia del baño de gel en el que se imprime el producto y las concentraciones decada material en la impresión son solo algunas de las variables que pueden afectar el producto final. En cada impresión, puede haber docenas de parámetros a tener en cuenta, y muchas más combinaciones posibles de ellos.
Un modelo de optimización típico o diseño experimental se centrará en algunos parámetros que se consideran más importantes para la impresión. Sin embargo, adaptar estos modelos de optimización para materiales experimentales, cuyas características de impresión en 3D no se conocen bien, puede ser extremadamente difícil.
"Cuando imprime termoplásticos en 3-D, si tiene solo cinco o 10 parámetros de impresión principales y desea explorar, por ejemplo, cinco niveles de cada uno, un diseño factorial puede resultar en millones de posibles combinaciones de configuraciones para imprimir", dice Abdollahi"Las combinaciones se vuelven aún más desalentadoras cuando se explora un material experimental cuyas características de impresión son desconocidas. Por ejemplo, si el material experimental tiene 20 parámetros de impresión con cinco niveles, el experimentador puede tener billones de combinaciones de configuraciones de impresión para explorar".
Sin embargo, con el modelo EGO, este desafío puede ser un obstáculo menor porque los expertos pueden descartar muchas combinaciones como ineficaces. Al combinar el juicio científico de un experto con algoritmos de búsqueda eficientes, EGO reduce significativamente el tiempo y la energía requeridospara encontrar combinaciones que produzcan impresiones tridimensionales óptimas para materiales experimentales.
"El propósito de EGO es crear un algoritmo de búsqueda efectivo que combine explícitamente tanto el conocimiento experto como los algoritmos de búsqueda tradicionales", dice Davis. "Por lo general, pensamos que el aprendizaje automático es útil para grandes datos, pero EGO funciona en situaciones en las que tenemospoca o ninguna información y necesita confiar en el juicio de expertos, luego a través de una combinación de algoritmos de búsqueda y el conocimiento del experto, efectivamente pasar de datos pequeños a grandes ".
El modelo EGO consta de tres pasos. Primero, un experto humano selecciona el conjunto inicial de parámetros, dando al algoritmo los límites para la búsqueda. Luego, un algoritmo de escalada busca dentro de esos límites combinaciones prometedoras de esos parámetros, lo que resulta enun "óptimo local". Finalmente, el experto evalúa el óptimo local y decide si alterar el proceso de búsqueda agregando nuevos parámetros o continuar buscando dentro de los límites existentes. El proceso se repite hasta encontrar una solución ideal.
El método EGO, que puede extenderse más allá de la impresión 3D de materiales blandos para una variedad de procesos de ingeniería, tiene un gran potencial como herramienta sistemática para descubrir los parámetros clave que producen materiales reproducibles, de alta calidad y novedosos.
Fuente de la historia :
Materiales proporcionado por Facultad de Ingeniería, Universidad Carnegie Mellon . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :