ASU 研究人员利用AI实现316L螺旋桨智能化3D打印，可实时预测微结构形成

2025年6月15日，南极熊获悉，来自亚利桑那州立大学 (ASU)正在开发新的人工智能，以使 3D 打印不锈钢的过程更快、更可靠。

ASU计算机科学与工程学教授AviralShrivastava和工业工程学助理教授Ashif Iquebal获得了美国国家科学基金会“CompAM：实现计算增材制造”项目的资助，该项目利用人工智能预测材料在制造过程中的形成方式，使金属 3D 打印更快、更可靠。

在项目演示阶段，研究团队将使用常见的工业级金属合金316L不锈钢3D打印一个五轴金属海军螺旋桨。目标是精确控制打印过程，将金属颗粒尺寸控制在1微米以下——大约相当于一根蜘蛛丝的宽度——从而显著提升材料的性能。

为什么是螺旋桨？因为它体积庞大，几何形状复杂，对精度要求高——这种部件正是当前金属增材制造技术突破极限的体现。

从锻造厂到舰队

增材制造技术应用面临的一个关键挑战是，材料的内部结构（称为微观结构）会根据部件的打印方式而发生变化。打印过程中，热量或时间的细微变化都可能极大地改变材料的性能。Shrivastava说：“当我们进行金属打印时，金属的质量实际上取决于冷却曲线。我们希望控制冷却，以便达到所需的性能。”

他从传统锻造工艺的角度解释了这个问题。传统上，铁匠使用不同形式的淬火工艺来冷却金属。将白热的金属浸入水中可以快速冷却，从而制成坚硬的工具，例如剑或刀。而砂淬火则使金属随着时间的推移冷却得更慢，从而形成更具延展性的材料。

由于海军螺旋桨等部件具有严格的性能和工程标准，当业界想要3D打印此类部件时，专家必须运行复杂的计算机模拟，以确定打印和冷却速度等因素将如何影响整个过程。或者，他们必须依靠反复试验。

为了避免反复试验带来的浪费和不确定性，亚利桑那州立大学的研究人员正在寻求更高效的模拟方法。传统的模拟方法可能既缓慢又昂贵。使用目前的方法，仅对一组海军螺旋桨的打印参数进行模拟，就需要使用一台拥有 1000 个核心的超级计算机耗时超过 60 天。

Shrivastava 和Iqubal 的团队想要改变这一切。他们正在构建一个基于物理、人工智能的系统，可以预测金属在打印过程中内部结构的形成过程。研究团队创造了一种更智能的方法，让人工智能无需海量数据或复杂的数学运算就能学习和应用物理概念。系统会边学习边运行，识别出需要重点关注的重要数据点。

Shrivastava 说：“对于许多过程，实际上已经有很多研究。物理学只是现实世界中遵循的一套规则。我们正在做的是，将这些方程式与数据驱动的学习相结合，使系统学习得更好、更快。”

新系统还可以通过定义材料中需要比其他区域更详细关注的区域来节省时间，跳过打印过程中不会发生太大变化的部分。

甲板上的工业工程

项目以伊克巴尔在智能制造领域的专业知识为基础。Iquebal表示，确保这项工作具有明确的工业应用至关重要。他说道：“这项工作的真正价值在于它能够将研究与产业需求联系起来。在航空航天、国防和能源等行业，金属部件的性能至关重要。通过为制造商提供更快、更精准的工具来预测和控制材料特性，我们正在开启精密制造的新时代，并减少那些往往会阻碍创新的、代价高昂的猜测。”

Iquebal 和团队将利用亚利桑那州立大学创新中心新购置的一台配备六轴机械臂和激光器的高科技 3D 打印机，用不锈钢打造一个大型海军螺旋桨，并将预测的微观结构与部件内部实际形成的微观结构进行比较。之后，他们将通过与传统模拟结果和实际打印的螺旋桨进行比较，来测试新技术的准确性。

Iquebal 和团队假设，制造商将能够微调 3D 打印流程，以更少的试验获得所需的精确属性。这些软件和工具将免费开放，帮助其他领域的研究人员加快自己的模拟速度。

Shrivastava 表示，研究团队还将把这项工作纳入研究生计算机科学课程，并针对K-12 学生开展外展活动。计算机与增强智能学院院长Ross Maciejewski表示，这项工作展示了学院内工业工程与计算机科学的重要交汇点。

最后，Maciejewski说道“这个项目正是我们所追求的——与产业息息相关的创新。通过将人工智能与材料科学相结合，我们的教职员工正在为先进制造业开辟一条新的道路。这展现了我们的研究如何推动工程学的未来发展。”