韓國研究人員利用人工智能克服3D打印強度與延展性難題

2025年3月2日，南極熊獲悉，韓國科學技術院（KAIST）研究團隊與浦項科技大學合作，成功利用人工智能技術突破了Ti-6Al-4V合金在強度與延展性方面的傳統(tǒng)難題。通過這一創(chuàng)新，研究人員現(xiàn)在能夠生產(chǎn)出既具有高強度又具備高延展性的金屬產(chǎn)品。這個項目由Seungchul Lee和Hyoung Seop Kim教授領導。

△相關研究成果已發(fā)表在《自然通訊》雜志上，論文題目為“主動學習框架用于優(yōu)化高強度和延展性增材制造Ti-6Al-4V的工藝參數(shù)”（傳送門）

Seungchul Lee教授指出：“本研究通過優(yōu)化3D打印工藝參數(shù)和熱處理條件，實現(xiàn)了在最少的實驗次數(shù)下開發(fā)出既具有高強度又具備高延展性的Ti-6Al-4V合金。與以往研究相比，我們不僅生產(chǎn)出了極限抗拉強度相當?shù)�總伸長率更高的合金，還開發(fā)出了總伸長率相當?shù)珮O限抗拉強度更高的合金。此外，如果我們的方法能夠擴展到熱導率和熱膨脹等其它性能參數(shù)的優(yōu)化，預計將能夠更有效地探索3D打印工藝參數(shù)和熱處理條件的廣闊空間。”

△總體流程示意圖

AI突破3D打印Ti-6Al-4V合金強度與延展性的難題

在3D打印領域，Ti-6Al-4V合金因優(yōu)良的強度和生物相容性而廣受歡迎，特別是在激光粉末床熔合（LPBF）工藝中。然而，實現(xiàn)這種合金的高強度與高延展性的雙重目標一直是一個挑戰(zhàn)。盡管已有多種嘗試通過調整3D打印工藝參數(shù)和熱處理條件來克服這一難題，但因潛在組合數(shù)量龐大，傳統(tǒng)的實驗和模擬方法難以全面探索。

為了應對這一挑戰(zhàn)，研究團隊開發(fā)了一種主動學習框架，該框架可以快速地探索LPBF工藝參數(shù)和熱處理條件的各種組合。這一框架基于人工智能模型，能夠準確預測極限抗拉強度和總伸長率，并提供每組工藝參數(shù)和熱處理條件的相關不確定性信息。

△本研究提出的帕累托主動學習框架概述

在模型訓練的迭代探索過程中，僅通過五次迭代，研究團隊就成功確定了生產(chǎn)高性能Ti-6Al-4V合金的最佳3D打印工藝參數(shù)和熱處理條件。在這些優(yōu)化條件下，3D打印的Ti-6Al-4V合金實現(xiàn)了1190 MPa的極限抗拉強度和16.5%的總伸長率，成功克服了強度與延展性這一傳統(tǒng)難題。

這種AI驅動的方法不僅能夠推薦可能提高合金強度和延展性的參數(shù)，而且還能為研究者提供關于每組推薦參數(shù)的置信度，從而指導實驗設計和工藝優(yōu)化。通過這種方式，研究人員能夠更高效地識別和驗證潛在的工藝改進方案，加快了材料性能優(yōu)化的進程。

這個項目得到了韓國國家研究基金會納米與材料技術發(fā)展計劃，以及領先研究中心計劃的資助。