3D打印越来越受欢迎，用于制造各种物品，从定制的医疗设备到负担得起的家庭，创造了更多的需求，为非常具体的用途设计的新的3D打印材料。
为了缩短发现这些新材料所需的时间，麻省理工学院的研究人员开发了一种数据驱动的过程，利用机器学习优化具有多种特性的新3D打印材料，如韧性和抗压强度。
通过简化材料开发，该系统降低了成本，减少了化学废物的数量，减少了对环境的影响。机器学习算法还可以通过提出人类直觉可能忽略的独特化学配方来刺激创新。
计算机科学与人工智能实验室(CSAIL)的机械工程师兼项目经理迈克福希(Mike Foshey)表示：“材料开发在很大程度上仍是一种手工操作。化学家走进实验室，手工混合配料，制作样品，测试，并得出最终配方。但我们的系统不能让一名化学家在一段时间内进行几次迭代，我们的系统可以在同一时间内进行数百次迭代。”福希是计算机科学与人工智能实验室(CSAIL)的计算设计与制造集团(CDFG)的机械工程师和项目经理。
其他作者包括CDFG的技术助理蒂莫西厄普斯(TimothyErps)；米娜科纳科维奇？卢科维奇？，CSAIL博士后；万寿，前麻省理工学院博士后，现任阿肯色州大学助理教授；高级作家Wojciech Matusik，麻省理工学院电气工程和计算机科学教授；汉斯哈根盖茨克，赫夫迪奇和巴斯夫的克劳斯斯托尔。这项研究今天发表在科学进步。
优化发现
在研究人员开发的系统中，一个优化算法执行了大部分的试验和错误发现过程.
材料开发人员选择几种成分，在算法中输入化学成分的细节，并定义新材料应该具备的力学性能。然后，算法增加和减少这些组件的数量(比如放大器上的转动旋钮)，并检查每个公式如何影响材料的性能，然后才能达到理想的组合。
然后，开发人员混合、处理和测试该示例，以了解该材料的实际执行情况。开发人员将结果报告给算法，算法会自动从实验中学习，并使用新的信息来决定另一个要测试的配方。
福希说：“我们认为，对于许多应用程序来说，这将优于传统的方法，因为你可以更多地依靠优化算法来找到最优解。你不需要一位专家化学家在手头预选材料配方。”
研究人员创造了一个免费的、开源的材料优化平台，名为AutoOED，它整合了同样的优化算法。AutoOED是一个完整的软件包，也允许研究人员进行他们自己的优化。
制造材料
研究人员测试了这个系统，用它来优化一种新的3D油墨的配方，当它暴露在紫外线下时会变硬。
他们确定了在配方中使用的六种化学物质，并设定了算法的目标，以发现在韧性、压缩模量(刚度)和强度方面表现最好的材料。
手动最大化这三种属性尤其具有挑战性，因为它们可能相互冲突；例如，最强的材料可能不是最坚硬的。使用手动处理，化学家通常一次尝试最大化一个属性，导致大量的实验和大量的浪费。
该算法仅对120个样本进行了测试，得到了12种性能最佳的材料，并对三种性能进行了最优权衡。
福希和他的合作者对这种算法能够产生的各种各样的材料感到惊讶，他们说，基于这六种成分，结果的差异远大于他们的预期。该系统鼓励勘探，在特定材料特性难以直观发现的情况下尤其有用。
未来更快
通过使用额外的自动化，可以更快地加快这一进程。研究人员用手混合和测试每一个样本，但是机器人可以在未来版本的系统中操作配药和混合系统，Foshey说。
在更远的道路上，研究人员还希望测试这种数据驱动的发现过程，以用于开发新的3D打印油墨以外的其他用途。
他说：“这在材料科学领域有着广泛的应用。例如，如果你想设计效率更高、成本更低的新型电池，你可以用这样的系统来完成。或者，如果你想优化性能良好、环保的汽车的油漆，这个系统也可以做到这一点。”
