AIがNASAの航空宇宙合金の3D印刷を容易にする
By Daniel Martin 金属3Dプリンティングは、従来の製造では作りにくい内部冷却チャンネルや形状を持つロケットエンジン部品を作成できます。しかし、コンピュータ上で高度な部品を設計できても、製造業者がそれをうまく印刷できるとは限りません。 レーザー出力、走査速度、粉末供給、ガス流量、層厚のすべての組み合わせが結果に影響します。適切でない組み合わせは、孔や割れ、結合不良を引き起こす可能性があります。最適な設定を見つけるには、数か月にわたる高コストの試行錯誤が必要になることが多いです。 ワシントン州立大学とミネソタ大学の研究者は、人工知能がこの探索を大幅に効率化できることを実証しました1。彼らのシステムは、NASAが開発した難しい銅合金であるGRCop-42を、低出力でより広く利用可能な金属3Dプリンターで印刷する複数の方法を特定しました。 この成果は単一の合金に留まらない重要性を持ちます。AIはメーカーが新素材をより速く生産に移行させ、プロセス開発コストを削減し、特殊な航空宇宙部品を製造できる施設の数を拡大できることを示唆しています。 GRCop-42が航空宇宙製造にとって価値がある理由 GRCop-42は、部品が極端な高温に耐える必要がある環境向けに開発された銅、クロム、ニオブ合金です。高い熱伝導性と強度、酸化耐性、クリープ耐性、熱疲労耐性を兼ね備えています。 これらの特性により、ロケットエンジンの燃焼室、熱交換器、その他の高熱流システムで特に有用です。銅は熱伝導性に優れますが、従来の銅合金は高温になると強度が低下します。GRCop-42は両方の要件をバランスさせるよう設計されています。 この合金を価値あるものにする特性は、印刷を困難にします。銅は一般的なファイバーレーザーが放つ赤外線エネルギーの大部分を反射します。また、吸収した熱を溶融プールから非常に速く除去します。プリンターが安定した溶融プールを作り維持できなければ、堆積した材料は適切に結合しません。 メーカーはより高出力の装置を使用して補うことができますが、参入コストが上がります。そこで研究者は、GRCop-42を900ワット未満、特に多くの機械が対応できる500〜700ワットの範囲で成功裏に堆積できるかどうかを検討しました。 AIが高コストの試行錯誤プロセスに取って代わった方法 チームはベイズ実験設計（Bayesian Experimental Design for Additive Manufacturing）というフレームワーク、通称BEAMを開発しました。BEAMはプリンターを自律的に操作したり部品を発明したりするわけではなく、次にテストすべき印刷設定を決定します。 BEAMは過去の実験（失敗した印刷を含む）から開始します。プリンター設定と許容できる構造が得られる確率を結びつける確率モデルを構築し、次に少量の実験を物理的にテストする設定を選択します。その結果がモデルにフィードバックされ、サイクルが繰り返されます。 これはAIの実用的な活用例であり、物理実験をループに保ちます。他の研究者も同様にレーザー式金属加工の精度向上にAIを適用しています。モデルはすべての冶金的相互作用を完全にシミュレートする必要はなく、各高価な実験を手作業の推測よりも有益にすることが求められます。 経済的インセンティブは大きいです。論文によれば、1回の指向性エネルギー堆積（Directed Energy Deposition）作業の費用は500〜1,000ドルです。印刷後の解析にはサンプルあたりさらに500ドルが必要で、1〜4週間かかります。そのため、新しい合金のプロセスウィンドウを探索する費用は、専門技術者の数か月分の労働を考慮しなくても10万ドルを超えることがあります。 研究者がテストした内容 研究者は、1,000ワットの赤外線ファイバーレーザーを搭載した5軸指向性エネルギー堆積システムを使用しました。指向性エネルギー堆積は金属粉末をレーザーで生成された溶融プールに供給し、表面に徐々に材料を構築します。このケースでは、システムはGRCop-42を高温用途で広く使用される別の合金Inconel 718上に堆積させました。 供給速度、ガス流量、走査速度、層厚、レーザー出力の組み合わせにより、各出力レベルで約100万件の候補構成が生成されました。この膨大な空間を手動で探索する代わりに、BEAMは各選択されたレーザー出力につき10回の実験予算のみを与えられました。 レーザー出力...
