Forscher der Washington State University verwenden KI, um 3D-Druckeinstellungen zu optimieren. Ein neuer maschinelles Lernalgorithmus hat es Forschern an der Washington State University (WSU) ermöglicht, die Effizienz des 3D-Drucks bei der Herstellung komplexer Strukturen zu verbessern. Dies könnte die nahtlosere Nutzung des 3D-Drucks für komplexe Designs von künstlichen Organen bis hin zu flexibler Elektronik und tragbaren Biosensoren ermöglichen. Im Rahmen der Studie lernte der Algorithmus, die besten Versionen von Nieren- und Prostataorganmodellen zu identifizieren und zu drucken, wobei kontinuierlich verbesserte Versionen erstellt wurden.
Ingenieuren fällt es oft schwer, die richtigen Einstellungen für 3D-Druckprojekte zu entwickeln, was zeitaufwändig und ineffizient sein kann. Kaiyan Qiu, Mitautoren des Papiers und Professor an der WSU School of Mechanical and Materials Engineering, betont, dass das Optimieren der Ergebnisse Zeit, Kosten und Arbeitsaufwand sparen kann. Die Implementierung multi-objektiver Bayesianischer Optimierung ermöglichte es den Forschern, drei verschiedene Ziele für ihre Organmodelle zu optimieren: die geometrische Präzision des Modells, sein Gewicht oder seine Porosität und die Druckzeit.
Qiu hat einige Jahre lang Forschung betrieben, um lebensechte 3D-gedruckte Modelle menschlicher Organe zu entwickeln, die zur Ausbildung von Chirurgen oder zur Bewertung von Implantaten genutzt werden können. Die Forscher druckten zunächst ein Modell für den chirurgischen Eingriff einer Prostata aus, bevor sie das Programm anpassten, um ein Nierenmodell drucken zu können. Die Forschungsergebnisse wurden in “Advanced Materials” veröffentlicht und zeigen vielversprechende Möglichkeiten für die Herstellung komplexer biomedizinischer Geräte und darüber hinaus auf.