L’IA rende più facile la stampa 3D della lega aerospaziale della NASA

La stampa 3D di metalli può creare parti di motori razzo con canali di raffreddamento interni e geometrie che la produzione convenzionale fatica a realizzare. Tuttavia, la capacità di disegnare un componente avanzato al computer non significa che un produttore sappia stamparlo con successo.

Ogni combinazione di potenza del laser, velocità di scansione, somministrazione della polvere, flusso di gas e altezza dello strato può modificare il risultato. Una combinazione inadeguata può generare pori, crepe o legami deboli. Scoprire le impostazioni corrette richiede spesso mesi di costosi tentativi ed errori.

Ricercatori della Washington State University e dell’University of Minnesota hanno dimostrato¹ che l’intelligenza artificiale può rendere questa ricerca notevolmente più efficiente. Il loro sistema ha identificato molteplici modalità per stampare GRCop-42, una difficile lega di rame sviluppata dalla NASA, utilizzando stampanti 3D metalliche a bassa potenza e più ampiamente disponibili.

Questo risultato è importante oltre una singola lega. Suggerisce che l’IA potrebbe aiutare i produttori a introdurre nuovi materiali in produzione più rapidamente, ridurre i costi di sviluppo del processo e aumentare il numero di strutture in grado di produrre componenti aerospaziali specializzati.

Perché GRCop-42 è preziosa per la produzione aerospaziale

GRCop-42 è una lega di rame, cromo e niobio sviluppata per ambienti in cui i componenti devono sopravvivere a temperature estreme. Combina un’elevata conduttività termica con resistenza, resistenza all’ossidazione, resistenza alla deformazione plastica (creep) e resistenza alla fatica termica.

Queste proprietà la rendono particolarmente utile nelle camere di combustione dei motori razzo, negli scambiatori di calore e in altri sistemi a elevato flusso termico. Il rame conduce bene il calore, ma le leghe di rame convenzionali possono perdere resistenza a temperature elevate. GRCop-42 è stata progettata per bilanciare entrambi i requisiti.

Le stesse caratteristiche che rendono la lega preziosa la rendono anche difficile da stampare. Il rame riflette gran parte dell’energia infrarossa prodotta dai comuni laser a fibra. Inoltre, trasporta rapidamente il calore assorbito lontano dalla piscina di fusione. Se la stampante non riesce a creare e mantenere una piscina di fusione stabile, il materiale depositato potrebbe non legarsi correttamente.

I produttori possono compensare utilizzando attrezzature più potenti, ma ciò aumenta il costo di ingresso. I ricercatori hanno quindi chiesto se GRCop-42 potesse essere depositata con successo al di sotto dei 900 watt, con particolare interesse nella fascia da 500 a 700 watt supportata da molte più macchine.

Come l’IA ha sostituito un costoso processo di tentativi ed errori

Il team ha sviluppato un framework chiamato Bayesian Experimental Design for Additive Manufacturing, o BEAM. Non gestisce la stampante in modo autonomo né inventa un componente. Invece, decide quali configurazioni di stampa sono più utili da testare successivamente.

BEAM inizia con esperimenti precedenti, inclusi i tentativi falliti. Costruisce un modello probabilistico che collega le impostazioni della stampante con la probabilità di produrre una struttura accettabile, quindi seleziona un altro piccolo lotto per i test fisici. Quei risultati tornano al modello e il ciclo si ripete.

Questo è un uso pratico dell’IA perché mantiene la sperimentazione fisica nel ciclo. Altri ricercatori stanno applicando in modo simile l’IA per migliorare la precisione della lavorazione metallica basata su laser. Il modello non deve simulare perfettamente ogni interazione metallurgica. Deve solo rendere ogni esperimento costoso più informativo rispetto a una stima prevalentemente manuale.

L’incentivo economico è notevole. Secondo il documento, un singolo ciclo di deposizione di energia diretta può costare tra 500 e 1.000 dollari. L’analisi post-stampa può richiedere altri 500 dollari per campione e richiedere da una a quattro settimane. Esplorare la finestra di processo di una nuova lega può quindi superare i 100.000 dollari, anche prima di considerare i mesi di lavoro specialistico.

Cosa hanno testato i ricercatori

I ricercatori hanno utilizzato un sistema a cinque assi di deposizione di energia diretta dotato di un laser a fibra infrarossa da 1.000 watt. La deposizione di energia diretta alimenta la polvere metallica in una piscina di fusione generata dal laser, costruendo gradualmente il materiale su una superficie. In questo caso, il sistema ha depositato GRCop-42 su Inconel 718, un’altra lega ampiamente usata in applicazioni ad alte temperature.

Le possibili combinazioni di velocità di alimentazione, flusso di gas, velocità di scansione, altezza dello strato e potenza del laser hanno generato circa un milione di configurazioni candidate a ciascun livello di potenza. Piuttosto che esplorare manualmente questo enorme spazio, BEAM ha ricevuto un budget di sole 10 sperimentazioni per ogni potenza laser selezionata.

Nel giro di tre mesi, il framework ha trovato almeno una configurazione fattibile a ogni livello di potenza. I campioni di successo includevano interni solidi con difetti minimi e una transizione fluida tra i materiali GRCop-42 e Inconel 718. Il team ha inoltre scoperto che velocità di scansione insolitamente elevate e strati più sottili del normale erano importanti per produrre strutture solide.

La stampa a bassa potenza potrebbe ampliare l’accesso a leghe avanzate

Stampare GRCop-42 a 500 watt non riduce solo l’energia elettrica consumata da un laser. Cambia l’equipaggiamento che può partecipare. Il documento stima che più del 90 percento delle stampanti pertinenti operi tra 500 e 1.000 watt. Trovare impostazioni affidabili in quella fascia potrebbe consentire a università, piccoli produttori e strutture di ricerca specializzate di lavorare con una lega che altrimenti richiederebbe sistemi più costosi.

Un funzionamento a bassa potenza può anche ridurre la distorsione, migliorare la qualità della superficie, limitare l’usura dell’ottica del laser e diminuire i requisiti di post‑lavorazione. Questi vantaggi dovrebbero essere misurati per un processo di produzione specifico, ma mostrano perché la scoperta dei parametri influisce sull’economia della produzione tanto quanto sulla fattibilità tecnica.

I potenziali vantaggi includono:

• Meno costruzioni fallite durante lo sviluppo del materiale
• Minori requisiti di attrezzature e post‑lavorazione
• Qualificazione più rapida di nuovi materiali e componenti
• Produzione più distribuita di parti metalliche specializzate

Questo ultimo punto è particolarmente rilevante per l’aerospazio e la difesa. Queste industrie necessitano di volumi ridotti di parti specializzate e spesso affrontano catene di fornitura con pochi fornitori qualificati. Un processo trasferibile a più macchine potrebbe rendere le produzioni limitate meno dipendenti da una singola struttura.

L’IA potrebbe diventare uno strumento di commercializzazione dei materiali

L’opportunità più ampia non è limitata a GRCop-42. La produzione additiva di metalli supporta molte leghe potenzialmente preziose, ma ogni nuova combinazione di materiale e macchina richiede la propria finestra di processo. Un’impostazione che funziona su una stampante potrebbe non trasferirsi perfettamente a un’altra a causa di differenze nei laser, nella polvere, nell’atmosfera, nella geometria e nel comportamento termico.

Ciò crea un collo di bottiglia nascosto. Gli scienziati dei materiali possono formulare una lega con proprietà impressionanti, mentre i produttori potrebbero ancora non disporre di un metodo economico e ripetibile per trasformarla in componenti finiti. Metodi simili assistiti dall’IA sono già utilizzati per sviluppare acciaio stampabile in 3D più resistente e più resistente alla corrosione. La progettazione sperimentale guidata dall’IA può aiutare a colmare il divario di produzione rimanente trattando gli esperimenti falliti come dati utili e indirizzando le risorse verso le parti dello spazio di ricerca più propense a produrre risultati validi.

Man mano che le aziende raccolgono dati su macchine e materiali, i modelli potrebbero eventualmente avviare progetti con conoscenze apprese da leghe simili. Ciò trasformerebbe la storia dello sviluppo del processo in una risorsa di produzione riutilizzabile.

Tuttavia, il presente studio non dovrebbe essere interpretato come prova che componenti pronti per il volo possano ora essere stampati a 500 watt. I ricercatori hanno prodotto campioni di laboratorio, non motori razzo certificati. L’adozione aerospaziale richiederebbe ancora studi di ripetibilità, test meccanici, convalida a livello di componente e approvazione secondo sistemi di qualità rigorosi. BEAM ha accelerato la scoperta di impostazioni fattibili, che rappresenta una fase iniziale ma costosa di un processo di commercializzazione molto più lungo.

Investire nella produzione additiva metallica abilitata dall’IA

Per gli investitori interessati a società che operano all’incrocio tra aerospazio, IA e produzione additiva, Velo3D (VELO ) offre un esempio particolarmente rilevante. L’azienda sviluppa la famiglia Sapphire di sistemi di produzione additiva metallica per applicazioni aerospaziali e di difesa mission-critical.

Velo3D ha già qualificato GRCop-42 per la sua piattaforma. La sua tecnologia utilizza la fusione laser a letto di polvere anziché il processo di deposizione di energia diretta testato nel documento, quindi le configurazioni di BEAM non possono essere semplicemente copiate su una stampante Sapphire. Il principio più ampio rimane rilevante: la scoperta guidata dall’IA potrebbe aiutare i produttori di stampanti a qualificare materiali difficili e ridurre i costi di sviluppo.

Ciò fornisce una tesi di investimento naturale basata sull’accumulo di conoscenza di processo. Il vantaggio competitivo a lungo termine nella stampa metallica potrebbe non derivare solo dalla potenza del laser o dal volume di stampa. Potrebbe anche dipendere da quale azienda riesce a convertire in modo affidabile la più ampia gamma di materiali avanzati in parti ripetibili e certificabili.

Velo3D rimane una società small‑cap speculativa esposta a rischi di esecuzione, finanziamento, concorrenza e concentrazione dei clienti. Tuttavia, il suo focus aerospaziale e la capacità esistente con GRCop-42 la rendono una società quotata rilevante da osservare mentre l’IA diventa più profondamente integrata nello sviluppo dei processi industriali.

L’IA sta cambiando il modo in cui le tecnologie fisiche vengono sviluppate

La caratteristica più significativa di BEAM è che applica l’IA a un vincolo industriale fisico. Non genera un concetto che deve ancora essere testato. Sceglie quale test nel mondo reale dovrebbe avvenire successivamente, apprende dal risultato e rende il prossimo esperimento più informato.

Questo ciclo chiuso potrebbe diventare un modello definitorio per l’IA nella produzione. Man mano che i materiali e i componenti diventano più specializzati, la sperimentazione esaustiva diventa troppo lenta e costosa. I sistemi che combinano apprendimento automatico con conoscenza esperta possono restringere la ricerca senza escludere scienziati o ingegneri dal processo.

Per i produttori aerospaziali, il risultato immediato è un modo più accessibile per stampare una preziosa lega della NASA. L’implicazione più profonda è che l’IA potrebbe accorciare il percorso tra la scoperta di un materiale avanzato e la produzione di parti utili da esso. Ciò potrebbe espandere la produzione additiva oltre la libertà geometrica e renderla una piattaforma più rapida per la commercializzazione dei materiali stessi.

Riferimenti:

^{1. Fadhel, A., Zuckschwerdt, N. W., Deshwal, A., Bose, S., Bandyopadhyay, A., & Doppa, J. (2026). Scoperta di configurazioni fattibili di stampa 3D per leghe metalliche tramite progettazione sperimentale adattiva guidata dall’IA. Proceedings of the AAAI Conference on Artificial Intelligence, 40(47), 39939-39948. https://doi.org/10.1609/aaai.v40i47.41428}