تکنولوژی

هوش مصنوعی خود-بهبود دهنده می‌تواند چاپ سه‌بعدی دستگاه‌های زیست‌پزشکی و اندام‌ها را متحول کند

پژوهشگران دانشگاه ایالتی واشنگتن با استفاده از الگوریتم هوش مصنوعی موفق به بهینه‌سازی چاپ سه‌بعدی شده‌اند. این تکنولوژی نه تنها اندام‌های مصنوعی، بلکه الکترونیک‌های قابل انحنا و دستگاه‌های پوشیدنی را با دقت و سرعت بیشتری تولید می‌کند. الگوریتم AI با تولید مداوم نتایج بهتر، نشان داد که می‌تواند بهبود یابد و از عیب‌ها درس بگیرد.

پژوهشگران متوجه شدند که یک الگوریتم هوش مصنوعی می‌تواند به آنها در استفاده موثرتر از چاپ سه‌بعدی کمک کند.

مطالعه انجام شده توسط پژوهشگران دانشگاه ایالتی واشنگتن پیشنهاد می‌کند که الگوریتم جدید هوش مصنوعی می‌تواند به آنها کمک کند تا از همه چیز، از اندام‌های مصنوعی تا الکترونیک‌های قابل انحنا و دستگاه‌های پوشیدنی با سهولت بیشتری بسازند.

برای آزمایش این نظریه، پژوهشگران از الگوریتم برای شناسایی و چاپ مدل‌های مختلف اندام انسان – مانند کلیه‌ها و پروستات استفاده کردند.

هوش مصنوعی 60 نتیجه پیوسته تولید کرد که هر کدام بهتر از قبلی بودند، نشان می‌دهد که می‌تواند به طور مداوم بهبود یابد.

معرفی AI به چاپ سه‌بعدی

چاپ سه‌بعدی در سال‌های اخیر محبوبیت بیشتری پیدا کرده و گزینه‌ای آسان‌تر نسبت به فرآیندهای تولید سنتی و زمان‌بر است.

امروزه سنسورها، مدل‌های اندام، ایمپلنت‌های استخوان، باتری‌ها، دستگاه‌های پوشیدنی و موارد دیگر با این فرآیند ساخته می‌شوند. چاپ سه‌بعدی امروز به عنوان یک راهکار همه جانبه برای بسیاری از پیچیدگی‌های مربوط به زمینه‌هایی مانند هوافضا، پزشکی، جراحی و موارد دیگر دیده می‌شود.

با این حال، فرآیند انتخاب پارامترهای مناسب برای چاپ سه‌بعدی همچنان فرآیندی دشوار و وقت‌گیر است. روش‌های موجود برای بهینه‌سازی پارامترهای چاپ سه‌بعدی محدودیت‌هایی دارند.

آنها اغلب بر بهینه‌سازی عملکرد کلی چاپ یا تمرکز بر یک جنبه خاص از کیفیت چاپ تمرکز می‌کنند.

در اینجا نقش هوش مصنوعی مطرح می‌شود؛ با کمک آن کاربران می‌توانند فرآیند تنظیم پارامترهای چاپ سه‌بعدی را بهبود بخشند و در عین حال زمان و هزینه را کاهش دهند.

“شما می‌توانید نتایج را بهینه کنید و در زمان، هزینه و نیروی کار صرفه‌جویی کنید،” گفت Kaiyan Qiu، نویسنده هم‌موفق مقاله و استادیار Berry در دانشکده مهندسی مکانیک و مواد دانشگاه ایالتی واشنگتن.

مطالعه دانشگاه ایالتی واشنگتن

در این مطالعه، پژوهشگران روش‌شناسی اصولی را طراحی کردند که هدف آن شناسایی پارامترهای ورودی بهینه برای چاپ سه‌بعدی مستقیم جوهری (DIW) برای ساخت اندام‌های پیش‌جراحی مختلف بود.

بهینه‌سازی بیزی (BO) یک تکنیک قدرتمند یادگیری ماشین برای بهینه‌سازی توابع پیچیده، گران قیمت و جعبه سیاه است.

فرآیند شامل چهار مرحله است که اولین آنها تولید ورودی از طریق الگوریتم BO است که پارامترهای ورودی را برای چاپ سه‌بعدی تنظیم می‌کند. این به دنبال چاپ واقعی سه‌بعدی اندام است.

نمودار جریان-چارت کمک گرفته شده توسط BO چند هدفه برای چاپ سه‌بعدی مدل‌های اندام پیش‌جراحی. منبع: WSU

بعلاوه، در مرحله سوم، مدل‌های اندام چاپ شده سه‌بعدی مورد ارزیابی هندسی قرار می‌گیرند که پس از آن ارزیابی خروجی انجام می‌شود.

با تکمیل مرحله چهارم، الگوریتم هوش مصنوعی هر گونه نقص موجود در مدل اندام را شناسایی کرده و سپس آن را در فرآیند بعدی تنظیم می‌کند.

“تعیین تعادل تمامی اهداف دشوار است، اما ما توانستیم تعادل مطلوبی ایجاد کرده و بهترین چاپ ممکن از یک شی با کیفیت را به دست آوریم، صرف نظر از نوع چاپ یا شکل مواد،” گفت Eric Chen، هم‌نویسنده اول و دانشجوی مهمان WSU که در گروه Qiu در دانشکده مهندسی مکانیک و مواد کار می‌کند.

پژوهشگران ابتدا برنامه کامپیوتری را برای چاپ یک مدل پیش آزمون جراحی از پروستات آموزش دادند. به دلیل اینکه الگوریتم به طور کلی تعمیم‌یافته است، می‌توانند به راحتی با تنظیمات کوچک آن را برای چاپ مدل کلیه تغییر دهند.

“این به این معنی است که این روش می‌تواند برای تولید سایر دستگاه‌های پیچیده زیست پزشکی و حتی به دیگر حوزه‌ها نیز مورد استفاده قرار گیرد،” گفت Qiu.

این مطالعه اخیراً در مجله Advanced Materials Technologies منتشر شده است.

توسط
Interesting Engineering
منبع
Interesting Engineering
نمایش بیشتر

اخبار مرتبط

بازگشت به بالا