IA torna a liga aeroespacial da NASA mais fácil de imprimir em 3D

A impressão 3D de metal pode criar peças de motores de foguete com canais de refrigeração internos e geometrias que a fabricação convencional tem dificuldade em produzir. No entanto, a capacidade de desenhar um componente avançado no computador não significa que o fabricante saiba como imprimi‑lo com sucesso.

Cada combinação de potência do laser, velocidade de varredura, entrega de pó, fluxo de gás e altura da camada pode alterar o resultado. Uma combinação inadequada pode gerar poros, fissuras ou ligações fracas. Descobrir as configurações corretas costuma exigir meses de experimentação cara e baseada em tentativa e erro.

Pesquisadores da Washington State University e da University of Minnesota demonstraram¹ que a inteligência artificial pode tornar essa busca substancialmente mais eficiente. O sistema deles identificou várias maneiras de imprimir GRCop-42, uma liga de cobre desenvolvida pela NASA e de difícil processamento, usando impressoras 3D de metal de menor potência e mais amplamente disponíveis.

A conquista é importante além de uma única liga. Ela sugere que a IA pode ajudar os fabricantes a levar novos materiais à produção mais rapidamente, reduzir o custo de desenvolvimento de processos e ampliar o número de instalações capazes de produzir componentes aeroespaciais especializados.

Por que o GRCop-42 é valioso para a fabricação aeroespacial

O GRCop-42 é uma liga de cobre, cromo e nióbio desenvolvida para ambientes onde os componentes precisam sobreviver a calor extremo. Ela combina alta condutividade térmica com resistência, resistência à oxidação, resistência ao fluência e resistência à fadiga térmica.

Essas propriedades a tornam especialmente útil em câmaras de combustão de motores de foguete, trocadores de calor e outros sistemas de alto fluxo térmico. O cobre conduz bem o calor, mas as ligas de cobre convencionais podem perder resistência em temperaturas elevadas. O GRCop-42 foi projetado para equilibrar ambos os requisitos.

As mesmas características que tornam a liga valiosa também a tornam difícil de imprimir. O cobre reflete grande parte da energia infravermelha produzida pelos lasers de fibra comuns. Ele também desloca o calor absorvido da poça de fusão muito rapidamente. Se a impressora não conseguir criar e manter uma poça de fusão estável, o material depositado pode não se ligar adequadamente.

Os fabricantes podem compensar usando equipamentos mais potentes, mas isso aumenta o custo de entrada. Portanto, os pesquisadores perguntaram se o GRCop-42 poderia ser depositado com sucesso abaixo de 900 watts, com interesse especial na faixa de 500 a 700 watts suportada por muitas mais máquinas.

Como a IA substituiu um processo caro de tentativa e erro

A equipe desenvolveu uma estrutura chamada Design Experimental Bayesiano para Fabricação Aditiva, ou BEAM. Ela não opera a impressora autonomamente nem inventa uma peça. Em vez disso, decide quais configurações de impressão são mais úteis para testar a seguir.

O BEAM começa com experimentos anteriores, incluindo impressões falhas. Ele constrói um modelo probabilístico que conecta as configurações da impressora com a probabilidade de produzir uma estrutura aceitável, e então seleciona outro pequeno lote para teste físico. Esses resultados retornam ao modelo e o ciclo se repete.

Esta é uma aplicação prática da IA porque mantém a experimentação física no ciclo. Outros pesquisadores também estão aplicando IA para melhorar a precisão do processamento de metal baseado em laser. O modelo não precisa simular perfeitamente todas as interações metalúrgicas. Ele apenas precisa tornar cada experimento caro mais informativo do que um palpite majoritariamente manual.

O incentivo econômico é substancial. Segundo o artigo, uma única execução de deposição de energia dirigida pode custar entre US$ 500 e US$ 1.000. A análise pós-impressão pode exigir mais US$ 500 por amostra e levar de uma a quatro semanas. Explorar a janela de processo de uma nova liga pode, consequentemente, ultrapassar US$ 100.000, mesmo antes de considerar meses de mão‑de‑obra especializada.

O que os pesquisadores testaram

Os pesquisadores usaram um sistema de deposição de energia dirigida de cinco eixos equipado com um laser de fibra infravermelho de 1.000 watts. A deposição de energia dirigida alimenta pó metálico em uma poça de fusão gerada pelo laser, construindo gradualmente o material sobre uma superfície. Neste caso, o sistema depositou GRCop-42 sobre Inconel 718, outra liga amplamente usada em aplicações de alta temperatura.

As combinações potenciais de taxa de alimentação, fluxo de gás, velocidade de varredura, altura da camada e potência do laser geraram aproximadamente um milhão de configurações candidatas em cada nível de potência. Em vez de explorar esse enorme espaço manualmente, o BEAM recebeu um orçamento de apenas 10 experimentos para cada potência de laser selecionada.

Em três meses, a estrutura encontrou ao menos uma configuração viável em cada nível de potência. As amostras bem‑sucedidas incluíram interiores sólidos com defeitos mínimos e uma transição suave entre os materiais GRCop-42 e Inconel 718. A equipe também descobriu que velocidades de varredura incomumente altas e camadas mais finas que o normal eram importantes para produzir estruturas sólidas.

A impressão de baixa potência pode ampliar o acesso a ligas avançadas

Imprimir GRCop-42 a 500 watts não reduz apenas a energia elétrica consumida por um laser. Isso altera quais equipamentos podem participar. O artigo estima que mais de 90 % das impressoras relevantes operam entre 500 e 1.000 watts. Encontrar configurações confiáveis nessa faixa poderia permitir que universidades, fabricantes menores e instalações de pesquisa especializadas trabalhassem com uma liga que, de outra forma, exigiria sistemas mais caros.

A operação de baixa potência também pode reduzir a distorção, melhorar a qualidade da superfície, limitar o desgaste das ópticas do laser e diminuir os requisitos de pós‑processamento. Esses benefícios precisariam ser medidos para um processo de produção específico, mas demonstram por que a descoberta de parâmetros afeta a economia da fabricação tanto quanto a viabilidade técnica.

Vantagens potenciais incluem:

• Menos construções falhas durante o desenvolvimento de material
• Requisitos menores de equipamento e pós‑processamento
• Qualificação mais rápida de novos materiais e componentes
• Produção mais distribuída de peças metálicas especializadas

Este último ponto é particularmente relevante para aeroespacial e defesa. Essas indústrias precisam de volumes baixos de peças especializadas e frequentemente enfrentam cadeias de suprimentos com poucos fornecedores qualificados. Um processo transferível para mais máquinas poderia tornar as produções limitadas menos dependentes de uma única instalação.

A IA pode se tornar uma ferramenta de comercialização de materiais

A oportunidade maior não está confinada ao GRCop-42. A fabricação aditiva de metal suporta muitas ligas potencialmente valiosas, mas cada nova combinação de material e máquina requer sua própria janela de processo. Uma configuração que funciona em uma impressora pode não ser transferida perfeitamente para outra devido a diferenças nos lasers, no pó, na atmosfera, na geometria e no comportamento térmico.

Isso cria um gargalo oculto. Cientistas de materiais podem formular uma liga com propriedades impressionantes, enquanto os fabricantes ainda podem carecer de um método acessível e repetível de transformá‑la em componentes acabados. Métodos semelhantes assistidos por IA já estão sendo usados para desenvolver aços 3D imprimíveis mais fortes e mais resistentes à corrosão. O design experimental guiado por IA pode ajudar a fechar a lacuna de fabricação restante ao tratar experimentos falhos como dados úteis e direcionar recursos para as partes do espaço de busca mais propensas a produzir resultados viáveis.

À medida que as empresas acumulam dados de diferentes máquinas e materiais, os modelos podem eventualmente iniciar projetos com conhecimentos aprendidos de ligas semelhantes. Isso transformaria o histórico de desenvolvimento de processos em um ativo de fabricação reutilizável.

Entretanto, o presente estudo não deve ser interpretado como prova de que componentes prontos para voo podem agora ser impressos a 500 watts. Os pesquisadores produziram amostras de laboratório, não motores de foguete certificados. A adoção aeroespacial ainda exigiria estudos de repetibilidade, testes mecânicos, validação em nível de componente e aprovação sob sistemas de qualidade exigentes. O BEAM acelerou a descoberta de configurações viáveis, que é uma fase inicial, porém cara, de um processo de comercialização muito mais longo.

Investindo em fabricação aditiva de metal habilitada por IA

Para investidores interessados em empresas que atuam na convergência de aeroespacial, IA e fabricação aditiva, Velo3D (VELO ) oferece um exemplo particularmente relevante. A empresa desenvolve a família Sapphire de sistemas de fabricação aditiva de metal para aplicações aeroespaciais e de defesa críticas para missões.

A Velo3D já qualificou o GRCop-42 para sua plataforma. Sua tecnologia usa fusão a laser de leito de pó em vez do processo de deposição de energia dirigida testado no artigo, portanto as configurações do BEAM não podem ser simplesmente copiadas para uma impressora Sapphire. O princípio mais amplo ainda é relevante: a descoberta guiada por IA pode ajudar os fabricantes de impressoras a qualificar materiais difíceis e reduzir custos de desenvolvimento.

Isso fornece uma tese de investimento natural em torno da acumulação de conhecimento de processos. A vantagem competitiva de longo prazo na impressão de metal pode não vir apenas da potência do laser ou do volume de construção. Ela também pode depender de qual empresa consegue converter de forma confiável a mais ampla gama de materiais avançados em peças repetíveis e certificáveis.

A Velo3D continua sendo uma empresa de capital pequeno e especulativa, exposta a riscos de execução, financiamento, concorrência e concentração de clientes. No entanto, seu foco aeroespacial e a capacidade existente com GRCop-42 a tornam uma empresa de capital aberto relevante a ser observada à medida que a IA se integra mais profundamente ao desenvolvimento de processos industriais.

A IA está mudando como as tecnologias físicas são desenvolvidas

O recurso mais significativo do BEAM é que ele aplica IA a uma restrição industrial física. Ele não gera um conceito que ainda precisa ser testado. Ele escolhe qual teste do mundo real deve acontecer a seguir, aprende com o resultado e torna o experimento subsequente mais informado.

Esse ciclo fechado pode se tornar um padrão definidor para IA na fabricação. À medida que materiais e componentes se tornam mais especializados, a experimentação exaustiva torna‑se lenta e cara. Sistemas que combinam aprendizado de máquina com conhecimento especializado podem reduzir a busca sem remover cientistas ou engenheiros do processo.

Para os fabricantes aeroespaciais, o resultado imediato é uma forma mais acessível de imprimir uma valiosa liga da NASA. A implicação mais profunda é que a IA pode encurtar o caminho entre a descoberta de um material avançado e a produção de peças úteis a partir dele. Isso poderia expandir a fabricação aditiva além da liberdade geométrica e torná‑la uma plataforma mais rápida para a comercialização dos próprios materiais.

Referências:

^{1. Fadhel, A., Zuckschwerdt, N. W., Deshwal, A., Bose, S., Bandyopadhyay, A., & Doppa, J. (2026). Descoberta de configurações viáveis de impressão 3D para ligas metálicas via design experimental adaptativo impulsionado por IA. Proceedings of the AAAI Conference on Artificial Intelligence, 40(47), 39939-39948. https://doi.org/10.1609/aaai.v40i47.41428}