AI技術突破3D列印鈦合金強度與延展性困境

由韓國科學技術院（KAIST）機械工程系的李承哲教授團隊，與浦項科技大學（POSTECH）的金亨燮教授團隊合作，成功利用人工智慧技術，克服了Ti-6Al-4V合金在3D列印過程中面臨的強度與延展性難以兼顧的困境，並成功製造出高強度、高延展性的金屬產品。這項研究成果已發表於《自然通訊》（Nature Communications）期刊。

在眾多3D列印技術中，雷射粉末床熔融（Laser Powder Bed Fusion）是一種創新的製造方法，特別適用於生產以高強度和生物相容性著稱的Ti-6Al-4V合金。然而，傳統上，這種合金在3D列印後往往難以同時達到高強度與高延展性。雖然過去曾有研究嘗試透過調整列印引數和熱處理條件來解決此問題，但由於可能的引數組合過於龐大，僅靠實驗和模擬難以全面探索。

研究團隊開發的主動學習框架（Active Learning Framework）能夠快速探索廣泛的3D列印引數與熱處理條件，並根據AI模型對極限抗拉強度（Ultimate Tensile Strength）和總延伸率（Total Elongation）的預測，以及相關的不確定性資訊，推薦出最有潛力的引數組合。這些推薦條件隨後透過實際的3D列印與拉伸測試進行驗證，並將獲得的真實機械效能資料進一步用於AI模型的訓練。經過僅五次的迭代探索，團隊便確定了生產高效能合金的最佳引數與熱處理條件。

在這些最佳化條件下，3D列印的Ti-6Al-4V合金達到了1190 MPa的極限抗拉強度和16.5%的總延伸率，成功克服了強度與延展性之間的矛盾。李承哲教授表示：「在這項研究中，我們透過最佳化3D列印引數與熱處理條件，以最少的實驗次數開發出高強度、高延展性的Ti-6Al-4V合金。與以往的研究相比，我們不僅製造出具有相似極限抗拉強度但更高延伸率的合金，也生產出延伸率相似但強度更高的合金。」

此外，李教授也指出，若將這項技術應用於其他效能指標，如熱導率和熱膨脹率，將能更有效率地探索3D列印引數與熱處理條件，為未來材料科學的發展開闢新的可能性。