Όμως, μια ομάδα ερευνητών από το Johns Hopkins Applied Physics Laboratory (APL) και το Whiting School of Engineering βρήκε τρόπο να ταράξει τα νερά, χρησιμοποιώντας έναν αλγόριθμο μηχανικής μάθησης (AI) για να εντοπίσει νέες, πιο αποδοτικές συνθήκες εκτύπωσης του δημοφιλούς κράματος Ti-6Al-4V, με στόχο την επιτάχυνση της παραγωγής και τη βελτίωση των ιδιοτήτων των τελικών προϊόντων. Σύμφωνα με τη μελέτη που δημοσιεύτηκε στο Additive Manufacturing, ο συνδυασμός της λειτουργίας του laser, της ταχύτητας και άλλων παραμέτρων δημιουργεί έναν σύνθετο περιβάλλον πιθανών ρυθμίσεων. Μέχρι σήμερα, μέρος αυτής της συνάρτησης θεωρούνταν εκτός ορίων για τους ερευνητές, λόγω ανησυχιών που σχετίζονταν με τεχνικές παραμέτρους ή φόβου για ασταθή δομική απόδοση. Το AI όμως αναγνωρίζει κρυφά μοτίβα μέσα στα εν λόγω δεδομένα. Μετά από ανάλυση, η έξυπνη πλατφόρμα προτείνει νέες συνθήκες, οι οποίες δοκιμάζονται πρώτα ψηφιακά και στη συνέχεια στο...