Metodo AI per migliorare l’efficienza della stampa 3D
Innovazione nella stampa 3D grazie all’intelligenza artificiale
Ricercatori della Washington State University (WSU) hanno sviluppato una tecnica basata sull’intelligenza artificiale per ottimizzare le impostazioni della stampa 3D, consentendo la creazione di modelli complessi di organi come reni e prostata. Questo lavoro ha il potenziale per migliorare significativamente la produzione di progetti complessi nel campo dell’elettronica flessibile, dei biosensori indossabili e di altri dispositivi avanzati.
Un algoritmo che ottimizza la stampa 3D
Lo studio condotto dal team di WSU, pubblicato sulla rivista Advanced Materials Technologies, presenta un algoritmo in grado di rendere più efficiente l’uso della stampa 3D per la realizzazione di strutture complesse. L’algoritmo è stato impiegato per identificare e stampare le versioni migliori dei modelli di organi, producendo ben 60 versioni migliorate in modo progressivo.
Kaiyan Qiu, uno degli autori principali dello studio e professore associato presso la WSU School of Mechanical and Materials Engineering, ha sottolineato come questo approccio permetta di ottimizzare i risultati, riducendo tempi, costi e manodopera.
Le sfide della stampa 3D in ingegneria
Negli ultimi anni, la stampa 3D è diventata uno strumento sempre più importante per gli ingegneri industriali, permettendo la rapida trasformazione di design personalizzati in una vasta gamma di prodotti, tra cui dispositivi indossabili, batterie e componenti aerospaziali. Tuttavia, uno dei principali ostacoli per gli ingegneri è rappresentato dalla difficoltà di impostare correttamente i parametri di stampa, che includono la scelta dei materiali, la configurazione della stampante e la pressione di erogazione dell’ugello. Ogni combinazione di questi fattori può influenzare in modo significativo il prodotto finale.
Come evidenziato da Jana Doppa, altro autore principale dello studio e professore associato di informatica presso la WSU, il numero elevato di combinazioni possibili rende il processo di ottimizzazione complesso e costoso in termini di tempo e risorse.
Applicazioni della tecnologia per modelli organici
Kaiyan Qiu ha dedicato diversi anni alla ricerca e sviluppo di modelli 3D complessi e realistici di organi umani, utilizzabili per l’addestramento chirurgico o la valutazione di dispositivi impiantabili. Questi modelli devono replicare fedelmente le proprietà meccaniche e fisiche degli organi reali, comprese vene, arterie e altre strutture dettagliate.
Il team di ricerca ha utilizzato una tecnica di intelligenza artificiale chiamata Bayesian Optimization per addestrare l’algoritmo a trovare le impostazioni ottimali per la stampa 3D. Una volta completato l’addestramento, i ricercatori sono stati in grado di ottimizzare tre obiettivi principali per i loro modelli di organi: la precisione geometrica, il peso (o porosità) e il tempo di stampa. La porosità del modello è particolarmente importante per le esercitazioni chirurgiche, poiché le proprietà meccaniche del modello possono variare in base alla sua densità.
Eric Chen, uno degli autori dello studio e studente in visita presso la WSU, ha sottolineato come il team sia riuscito a bilanciare questi obiettivi ottenendo il miglior risultato possibile, indipendentemente dal tipo di stampa o dalla forma del materiale utilizzato.
Prospettive future e interdisciplinarietà
Alaleh Ahmadian, co-autrice dello studio e studentessa presso la WSU School of Electrical Engineering and Computer Science, ha evidenziato il valore del lavoro interdisciplinare svolto, che ha permesso di raggiungere risultati favorevoli grazie a un approccio bilanciato e integrato.
Il programma sviluppato è stato inizialmente addestrato per stampare un modello di prostata per esercitazioni chirurgiche. Grazie alla sua versatilità, l’algoritmo è stato poi adattato per stampare un modello di rene con minime modifiche. Secondo Qiu, questo metodo può essere applicato anche alla produzione di dispositivi biomedici più complessi e in altri settori.
Supporto finanziario e riconoscimenti
Il lavoro è stato finanziato dalla National Science Foundation, dai fondi Startup della WSU e dal programma Cougar Cage Funds, evidenziando l’importanza del supporto istituzionale per la realizzazione di ricerche innovative.
Riferimenti
Rivista: Advanced Materials Technologies
DOI: 10.1002/admt.202400037
