AI ने NASA के एयरोस्पेस मिश्रधातु को 3D प्रिंट करना आसान बना दिया

धातु 3D प्रिंटिंग रॉकेट इंजन के भागों को आंतरिक कूलिंग चैनलों और ऐसी ज्यामिति के साथ बना सकती है, जिन्हें पारंपरिक निर्माण के लिए बनाना कठिन होता है। हालांकि, कंप्यूटर पर एक उन्नत घटक को डिजाइन करने की क्षमता यह नहीं दर्शाती कि निर्माता इसे सफलतापूर्वक प्रिंट करना जानता है।

लेज़र पावर, स्कैनिंग गति, पाउडर डिलीवरी, गैस प्रवाह और लेयर ऊँचाई के प्रत्येक संयोजन से परिणाम बदल सकता है। एक खराब संयोजन छिद्र, दरार या कमजोर बंधन पैदा कर सकता है। सही सेटिंग्स की खोज अक्सर कई महीनों की महंगी परीक्षण‑और‑त्रुटि प्रक्रिया की मांग करती है।

वॉशिंगटन स्टेट यूनिवर्सिटी और यूनिवर्सिटी ऑफ मिनेसोटा के शोधकर्ताओं ने¹ दिखाया है कि कृत्रिम बुद्धिमत्ता इस खोज को काफी अधिक कुशल बना सकती है। उनकी प्रणाली ने कई तरीकों की पहचान की है जिससे GRCop-42, एक कठिन NASA‑विकसित तांबा मिश्रधातु, को कम पावर और अधिक उपलब्ध धातु 3D प्रिंटरों का उपयोग करके प्रिंट किया जा सकता है।

यह उपलब्धि एक ही मिश्रधातु से परे महत्वपूर्ण है। यह संकेत देती है कि AI निर्माताओं को नई सामग्रियों को उत्पादन में तेज़ी से लाने, प्रक्रिया विकास की लागत कम करने, और विशेष एयरोस्पेस घटकों का उत्पादन करने योग्य सुविधाओं की संख्या बढ़ाने में मदद कर सकता है।

क्यों GRCop-42 एयरोस्पेस निर्माण के लिए मूल्यवान है

GRCop-42 एक तांबा, क्रोमियम और नियोबियम मिश्रधातु है जिसे उन वातावरणों के लिए विकसित किया गया है जहाँ घटकों को अत्यधिक गर्मी का सामना करना पड़ता है। यह उच्च थर्मल कंडक्टिविटी को शक्ति, ऑक्सीकरण प्रतिरोध, क्रीप प्रतिरोध और थर्मल थकान प्रतिरोध के साथ जोड़ता है।

इन गुणों के कारण यह रॉकेट इंजन के दहन कक्षों, हीट एक्सचेंजर्स और अन्य उच्च‑ताप प्रवाह प्रणालियों में विशेष रूप से उपयोगी है। तांबा गर्मी को अच्छी तरह संचालित करता है, लेकिन पारंपरिक तांबे की मिश्रधातुएँ उच्च तापमान पर शक्ति खो सकती हैं। GRCop-42 को दोनों आवश्यकताओं के बीच संतुलन बनाने के लिए डिजाइन किया गया था।

वह वही विशेषताएँ जो मिश्रधातु को मूल्यवान बनाती हैं, इसे प्रिंट करना कठिन बनाती हैं। तांबा सामान्य फाइबर लेज़रों द्वारा उत्पन्न अधिकांश इन्फ्रारेड ऊर्जा को प्रतिबिंबित करता है। यह अवशोषित गर्मी को पिघले हुए पूल से बहुत तेज़ी से दूर ले जाता है। यदि प्रिंटर स्थिर पिघला पूल नहीं बना और बनाए रख सकता, तो जमा की गई सामग्री सही ढंग से बंध नहीं पाएगी।

निर्माता अधिक शक्तिशाली उपकरणों का उपयोग करके इसे संतुलित कर सकते हैं, लेकिन इससे प्रवेश लागत बढ़ जाती है। इसलिए शोधकर्ताओं ने पूछा कि क्या GRCop-42 को 900 वाट से नीचे सफलतापूर्वक जमा किया जा सकता है, विशेष रूप से 500 से 700 वाट की रेंज में, जिसे कई अधिक मशीनें समर्थन करती हैं।

कैसे AI ने महंगी परीक्षण‑और‑त्रुटि प्रक्रिया को बदल दिया

टीम ने एक ढांचा विकसित किया जिसे बेयesian Experimental Design for Additive Manufacturing (BEAM) कहा जाता है। यह प्रिंटर को स्वायत्त रूप से संचालित नहीं करता या कोई भाग नहीं बनाता। इसके बजाय, यह तय करता है कि अगली बार कौन सी प्रिंटिंग कॉन्फ़िगरेशन सबसे उपयोगी परीक्षण के लिए है।

BEAM पहले के प्रयोगों से शुरू होता है, जिसमें विफल प्रिंट भी शामिल हैं। यह प्रिंटर सेटिंग्स को स्वीकार्य संरचना उत्पन्न करने की संभावना से जोड़ने वाला एक संभाव्य मॉडल बनाता है, फिर भौतिक परीक्षण के लिए एक और छोटा बैच चुनता है। उन परिणामों को मॉडल में वापस फीड किया जाता है और चक्र दोहराया जाता है।

यह AI का एक व्यावहारिक उपयोग है क्योंकि यह भौतिक प्रयोग को प्रक्रिया में बनाए रखता है। अन्य शोधकर्ता भी लेज़र‑आधारित धातु प्रसंस्करण की सटीकता सुधारने के लिए AI लागू कर रहे हैं। मॉडल को प्रत्येक धातु विज्ञान इंटरैक्शन को पूरी तरह से सिमुलेट करने की आवश्यकता नहीं है। इसे केवल इतना चाहिए कि प्रत्येक महंगे प्रयोग को एक बड़े पैमाने पर मैन्युअल अनुमान की तुलना में अधिक सूचनात्मक बनाये।

आर्थिक प्रोत्साहन काफी बड़ा है। पेपर के अनुसार, एकल निर्देशित ऊर्जा निक्षेपण रन की लागत $500 से $1,000 के बीच हो सकती है। प्रिंट‑के‑बाद विश्लेषण प्रत्येक नमूने के लिए अतिरिक्त $500 की आवश्यकता हो सकती है और इसे एक से चार सप्ताह लगते हैं। एक नई मिश्रधातु की प्रक्रिया विंडो की खोज इस प्रकार $100,000 से अधिक हो सकती है, यहाँ तक कि विशेषज्ञ श्रम के महीनों को ध्यान में रखने से पहले भी।

शोधकर्ताओं ने क्या परीक्षण किया

शोधकर्ताओं ने 1,000‑वाट इन्फ्रारेड फाइबर लेज़र से सुसज्जित एक पाँच‑अक्षीय निर्देशित ऊर्जा निक्षेपण प्रणाली का उपयोग किया। निर्देशित ऊर्जा निक्षेपण धातु पाउडर को लेज़र‑जनित पिघले पूल में फीड करता है, धीरे‑धीरे सतह पर सामग्री बनाता है। इस मामले में, प्रणाली ने GRCop-42 को Inconel 718 पर जमा किया, जो एक अन्य मिश्रधातु है और उच्च‑तापमान अनुप्रयोगों में व्यापक रूप से उपयोग होती है।

फ़ीड रेट, गैस प्रवाह, स्कैनिंग गति, लेयर ऊँचाई और लेज़र पावर के संभावित संयोजनों ने प्रत्येक पावर स्तर पर लगभग एक मिलियन संभावित कॉन्फ़िगरेशन बनाए। इस विशाल स्थान को मैन्युअल रूप से खोजने के बजाय, BEAM को प्रत्येक चयनित लेज़र पावर के लिए केवल 10 प्रयोगों का बजट मिला।

तीन महीने के भीतर, इस ढांचे ने प्रत्येक पावर स्तर पर कम से कम एक संभाव्य कॉन्फ़िगरेशन पाया। सफल नमूनों में न्यूनतम दोषों के साथ ठोस आंतरिक भाग और GRCop-42 तथा Inconel 718 सामग्रियों के बीच एक सुगम संक्रमण शामिल था। टीम ने यह भी पाया कि असामान्य रूप से उच्च स्कैनिंग गति और सामान्य से पतली लेयरें ठोस संरचनाओं के उत्पादन में महत्वपूर्ण थीं।

कम‑पावर प्रिंटिंग उन्नत मिश्रधातुओं तक पहुँच का विस्तार कर सकती है

500 वाट पर GRCop-42 प्रिंट करना केवल एक लेज़र द्वारा उपयोग की गई बिजली को कम नहीं करता। यह निर्धारित करता है कि कौन‑से उपकरण भाग ले सकते हैं। पेपर का अनुमान है कि 90 % से अधिक संबंधित प्रिंटर 500 से 1,000 वाट के बीच कार्य करते हैं। उस रेंज में विश्वसनीय सेटिंग्स खोजने से विश्वविद्यालयों, छोटे निर्माताओं और विशेष शोध सुविधाओं को ऐसी मिश्रधातु के साथ काम करने की अनुमति मिल सकती है, जिसके लिए अन्यथा अधिक महंगे सिस्टम की आवश्यकता होती।

कम‑पावर संचालन विकृति को कम कर सकता है, सतह की गुणवत्ता में सुधार कर सकता है, लेज़र ऑप्टिक्स के घिसाव को सीमित कर सकता है, और पोस्ट‑प्रोसेसिंग आवश्यकताओं को घटा सकता है। इन लाभों को किसी विशिष्ट उत्पादन प्रक्रिया के लिए मापना होगा, लेकिन यह दर्शाते हैं कि पैरामीटर खोज तकनीकी व्यवहार्यता जितनी ही निर्माण की आर्थिकता को प्रभावित करती है।

Potential advantages include:

• सामग्री विकास के दौरान कम विफल निर्माण
• उपकरण और पोस्ट‑प्रोसेसिंग आवश्यकताओं में कमी
• नई सामग्रियों और घटकों की तेज़ योग्यता
• विशेषीकृत धातु भागों का अधिक वितरित उत्पादन

यह अंतिम बिंदु विशेष रूप से एयरोस्पेस और रक्षा के लिए प्रासंगिक है। इन उद्योगों को विशेष भागों की कम मात्रा की आवश्यकता होती है और अक्सर उन्हें कुछ योग्य आपूर्तिकर्ताओं वाले सप्लाई चेन का सामना करना पड़ता है। अधिक मशीनों में स्थानांतरित किया जा सकने वाली प्रक्रिया सीमित उत्पादन रन को एकल सुविधा पर कम निर्भर बना सकती है।

AI सामग्री व्यावसायीकरण उपकरण बन सकता है

बड़ी संभावना केवल GRCop-42 तक सीमित नहीं है। धातु एडिटिव मैन्युफैक्चरिंग कई संभावित मूल्यवान मिश्रधातुओं का समर्थन करता है, लेकिन प्रत्येक नई सामग्री और मशीन संयोजन को अपना प्रक्रिया विंडो चाहिए। एक सेटिंग जो एक प्रिंटर पर काम करती है, लेज़र, पाउडर, वातावरण, ज्यामिति और थर्मल व्यवहार में अंतर के कारण दूसरे पर पूरी तरह से स्थानांतरित नहीं हो सकती।

यह एक छिपी हुई बाधा बनाता है। सामग्री वैज्ञानिक प्रभावशाली गुणों वाली मिश्रधातु बना सकते हैं, जबकि निर्माता अभी भी इसे तैयार घटकों में बदलने के लिए किफायती और दोहराने योग्य विधि से वंचित हो सकते हैं। समान AI‑सहायता प्राप्त विधियों का उपयोग पहले ही और अधिक मजबूत तथा जंग‑प्रतिरोधी 3D‑प्रिंटेबल स्टील विकसित करने के लिए किया जा रहा है। AI‑निर्देशित प्रयोगात्मक डिजाइन विफल प्रयोगों को उपयोगी डेटा के रूप में मानकर और खोज स्थान के उन भागों की ओर संसाधनों को निर्देशित करके शेष निर्माण अंतर को पाटने में मदद कर सकता है, जहाँ संभावित परिणाम उत्पन्न होने की संभावना अधिक है।

जैसे-जैसे कंपनियां मशीनों और सामग्रियों में डेटा एकत्र करती हैं, मॉडल अंततः समान मिश्रधातुओं से सीखे गए ज्ञान के साथ प्रोजेक्ट शुरू कर सकते हैं। यह प्रक्रिया‑विकास इतिहास को पुन: उपयोग योग्य निर्माण संपत्ति में बदल देगा।

हालाँकि, वर्तमान अध्ययन को यह प्रमाण नहीं माना जाना चाहिए कि उड़ान‑तैयार घटकों को अब 500 वाट पर प्रिंट किया जा सकता है। शोधकर्ताओं ने प्रयोगशाला नमूने तैयार किए, न कि प्रमाणित रॉकेट इंजन। एयरोस्पेस अपनाने के लिए अभी भी दोहराव अध्ययन, यांत्रिक परीक्षण, घटक‑स्तर सत्यापन, और कठोर गुणवत्ता प्रणालियों के तहत अनुमोदन की आवश्यकता होगी। BEAM ने संभाव्य सेटिंग्स की खोज को तेज़ किया, जो एक लंबी व्यावसायीकरण प्रक्रिया के शुरुआती लेकिन महंगे चरण को दर्शाता है।

AI‑सक्षम धातु एडिटिव मैन्युफैक्चरिंग में निवेश

उन निवेशकों के लिए जो उन कंपनियों में रुचि रखते हैं जहाँ एयरोस्पेस, AI और एडिटिव मैन्युफैक्चरिंग का संगम है, Velo3D (VELO ) एक विशेष रूप से प्रासंगिक उदाहरण प्रस्तुत करता है। कंपनी मिशन‑क्रिटिकल एयरोस्पेस और रक्षा अनुप्रयोगों के लिए धातु एडिटिव मैन्युफैक्चरिंग सिस्टम के Sapphire परिवार को विकसित करती है।

Velo3D ने पहले ही अपने प्लेटफ़ॉर्म के लिए GRCop-42 को योग्य किया है। इसकी तकनीक लेज़र पाउडर बेड फ्यूज़न का उपयोग करती है, न कि पेपर में परीक्षण किए गए निर्देशित ऊर्जा निक्षेपण प्रक्रिया का, इसलिए BEAM की कॉन्फ़िगरेशन को सीधे Sapphire प्रिंटर पर कॉपी नहीं किया जा सकता। व्यापक सिद्धांत अभी भी प्रासंगिक है: AI‑निर्देशित खोज प्रिंटर निर्माताओं को कठिन सामग्रियों को योग्य करने और विकास लागत कम करने में मदद कर सकती है।

यह प्रक्रिया ज्ञान के संचय के आसपास एक स्वाभाविक निवेश सिद्धांत प्रदान करता है। धातु प्रिंटिंग में दीर्घकालिक प्रतिस्पर्धात्मक लाभ केवल लेज़र पावर या बिल्ड वॉल्यूम से नहीं आ सकता। यह इस बात पर भी निर्भर हो सकता है कि कौन सी कंपनी सबसे विस्तृत उन्नत सामग्रियों को दोहराने योग्य, प्रमाणित भागों में विश्वसनीय रूप से बदल सकती है।

Velo3D अभी भी एक अटकलों पर आधारित छोटे‑कैप कंपनी है जो कार्यान्वयन, वित्तपोषण, प्रतिस्पर्धा और ग्राहक‑एकाग्रता जोखिमों के प्रति संवेदनशील है। फिर भी, इसका एयरोस्पेस फोकस और मौजूदा GRCop-42 क्षमता इसे एक प्रासंगिक सार्वजनिक रूप से ट्रेडेड कंपनी बनाती है जिसे AI के औद्योगिक प्रक्रिया विकास में गहराई से एकीकृत होने के साथ देखना चाहिए।

AI शारीरिक प्रौद्योगिकियों के विकास को बदल रहा है

BEAM की सबसे महत्वपूर्ण विशेषता यह है कि यह AI को एक भौतिक औद्योगिक प्रतिबंध पर लागू करता है। यह ऐसा अवधारणा नहीं बनाता जिसे अभी परीक्षण की आवश्यकता है। यह तय करता है कि अगला वास्तविक‑विश्व परीक्षण कौन‑सा होना चाहिए, परिणाम से सीखता है, और अगले प्रयोग को अधिक सूचित बनाता है।

यह बंद लूप निर्माण में AI के लिए एक परिभाषित पैटर्न बन सकता है। जैसे-जैसे सामग्री और घटक अधिक विशिष्ट होते जाते हैं, व्यापक प्रयोग बहुत धीमा और महंगा हो जाता है। मशीन लर्निंग को विशेषज्ञ ज्ञान के साथ मिलाने वाली प्रणालियां खोज को संकीर्ण कर सकती हैं, बिना वैज्ञानिकों या इंजीनियरों को प्रक्रिया से हटाए।

एयरोस्पेस निर्माताओं के लिए, तत्काल परिणाम एक मूल्यवान NASA मिश्रधातु को प्रिंट करने का अधिक सुलभ तरीका है। गहरा निहितार्थ यह है कि AI उन्नत सामग्री की खोज और उससे उपयोगी भाग बनाने के बीच का मार्ग छोटा कर सकता है। इससे एडिटिव मैन्युफैक्चरिंग केवल ज्यामितीय स्वतंत्रता से आगे बढ़कर स्वयं सामग्रियों के व्यावसायीकरण के लिए एक तेज़ प्लेटफ़ॉर्म बन सकता है।

संदर्भ:

^{1. Fadhel, A., Zuckschwerdt, N. W., Deshwal, A., Bose, S., Bandyopadhyay, A., & Doppa, J. (2026). धातु मिश्रधातुओं के लिए AI‑संचालित अनुकूली प्रयोगात्मक डिजाइन द्वारा संभव 3D प्रिंटिंग कॉन्फ़िगरेशन की खोज। Proceedings of the AAAI Conference on Artificial Intelligence, 40(47), 39939-39948. https://doi.org/10.1609/aaai.v40i47.41428}