卡內(nèi)基梅隆大學工程學院的研究人員開發(fā)了一種新方法來優(yōu)化軟材料3D打印。研究人員的專家指導優(yōu)化（EGO）方法采用優(yōu)化算法，可有效搜索與3D打印相關(guān)的參數(shù)組合，從而實現(xiàn)高保真軟材料產(chǎn)品的打印。

    使用S3D CAD切片機制作PDMS 3D打印圖像以確定刀具路徑
    當談到3D打印軟材料時，許多參數(shù)都會影響最終產(chǎn)品。 3D打印機的頭部移動速度有多快，打印產(chǎn)品的凝膠浴的濃度以及打印中每種材料的濃度只是影響最終產(chǎn)品的一小部分變量。在每個印刷品中，可以有幾十個參數(shù)要考慮，以及更多可能的組合。一個典型的優(yōu)化模型或?qū)嶒炘O(shè)計將關(guān)注一些被認為是印刷品最重要的參數(shù)。然而，將這些優(yōu)化模型適用于其3D打印特性尚不為人所知的實驗材料，可能會非常具有挑戰(zhàn)性。
      “當3D打印熱塑性塑料時，當探索一種印刷特性未知的實驗材料時，這些組合變得更加令人生畏，例如，如果實驗材料具有20個印刷參數(shù)，并且具有五個等級，則實驗者可以擁有數(shù)萬億的印刷設(shè)置組合?！钡牵瑢τ贓GO模型，這個挑戰(zhàn)可以減少一個障礙，因為專家能夠排除許多無效組合，通過將專家的科學判斷與高效的搜索算法相結(jié)合，EGO顯著降低了尋找能夠為實驗材料提供最佳3D打印的組合所需的時間和能量。
    “EGO的目的是創(chuàng)建一個有效的搜索算法，明確地結(jié)合專家知識和傳統(tǒng)的搜索算法，工程和公共政策助理教授Alex Davis說。 “通常我們認為機器學習對于大數(shù)據(jù)很有用，但EGO適用于我們很少或沒有數(shù)據(jù)，需要依靠專家判斷的情況，然后通過搜索算法和專家知識的組合，有效地組合起來。”
     EGO模型由三個步驟組成。首先，人類專家選擇初始參數(shù)集，為算法提供搜索的邊界。然后，爬山算法在這些邊界內(nèi)搜索這些參數(shù)的有希望的組合，從而產(chǎn)生“局部最優(yōu)”。最后，專家評估局部最優(yōu)化并決定是否通過添加新參數(shù)來改變搜索過程，或者繼續(xù)在現(xiàn)有邊界內(nèi)進行搜索。該過程迭代直到找到理想的解決方案。
     EGO方法作為一種系統(tǒng)化的工具，可以發(fā)現(xiàn)可產(chǎn)生可重現(xiàn)的高質(zhì)量新型材料的關(guān)鍵參數(shù)，它可以延伸到各種工程過程的軟質(zhì)材料的3D打印之外。

研究小組主要作者包括Sara Abdollahi和Alex Davis