自己改善AI手法により3Dプリンティングの効率改善

September, 2, 2024, Washington--人工知能アルゴリズムにより、研究者はより効率的に3Dプリンティングを使用して複雑な構造物を製造できる。

Advanced Materials Technologies誌に掲載されたワシントン州立大学の研究は、人工臓器からフレキシブルエレクトロニクス、ウェアラブルバイオセンサまで、あらゆる複雑なデザインに3Dプリンティングをよりシームレスに使用できるようにする可能性がある。この研究の一環として、アルゴリズムは腎臓および前立腺臓器モデルの最適バージョンを特定してプリントすることを学習し、継続的に改善している60のバージョンをプリントした。

「結果を最適化し、時間、コスト、労力を節約できる」と、論文の共同責任著者、WSU機械材料工学部のBerry助教授、Kaiyan Qiuはコメントしている。

近年、3Dプリンティングの使用が拡大しており、産業エンジニアはコンピュータ上でカスタマイズされた設計をウェアラブルデバイス、バッテリ、航空宇宙部品などの幅広い製品にすばやく変換できるようになった。

しかし、エンジニアにとって、プリンティングプロジェクトの正しい設定を開発しようとするのは面倒で非効率的である。エンジニアは、材料、プリンタの構成、ノズルの噴出力などを決定する必要があり、これらはすべて最終製品に影響を与える。

「組み合わせ候補の数は非常に多く、各試行には時間と費用がかかる」と、共同著者、WSUのHuie-Rogers Endowed Chair Associate Professor of Computer ScienceであるJana Doppaは指摘している。

Qiuは、複雑でリアルな人間の臓器の3Dプリントモデルの開発について、数年前から研究を行ってきた。例えば、外科医のトレーニングやインプラントデバイスの評価などに使用できるが、モデルには、静脈、動脈、チャネル、その他の詳細な構造など、実際の臓器の機械的および物理的特性が含まれている必要がある。

Qiu、Doppa、それに彼らの学生は、ベイジアン最適化(Bayesian Optimization)と呼ばれるAI技術を使用して、最適化された3Dプリンティング設定をトレーニングし、見つけた。トレーニングが完了すると、研究者たちは臓器モデルの3つの異なる目標(モデルの形状精度、モデルの重量または多孔質、プリント時間)を最適化することができた。臓器モデルの多孔性は、例えば、モデルの機械的特性がその密度に応じて変化する可能性があるため、手術の実践にとって重要である。

「すべての目標のバランスをとるのは難しいが、プリントの種類や材料の形状に関係なく、適切なバランスを取り、高品質のオブジェクトを可能な限り最高の方法でプリントすることができた」と、共同筆頭著者、機械材料工学部のQiuのグループで働くWSUの客員学生であるEric Chenは話している。

共同筆頭著者、WSUの電気工学・コンピュータサイエンス学部の大学院生、Alaleh Ahmadianは、「研究者たちはすべての目標をバランスよく見て良好な結果を得ることができ、プロジェクトは学際的な視点から恩恵を受けたと付け加えた」と話している。

「物理的な実験室実験を行い、現実世界に影響を与えることで学際的な研究に取り組むことは、非常にやりがいのあることでだ」と同氏は言う。

研究チームはまず、前立腺の手術リハーサルモデルをプリントするようにコンピュータプログラムを訓練した。このアルゴリズムは広く一般化できるため、微調整で簡単に変更して腎臓モデルをプリントできる。

「つまり、この方法は、他のより複雑な生物医学デバイスの製造や、他の分野にも使用できるということだ」(Qiu)。

この研究は、全米科学財団、WSU Startup、Cougar Cage Fundsから資金提供を受けた。