AI革新鈦合金製造：更快、更強、更精準

無論是應用於太空船、潛艇還是醫療裝置，高效能鈦合金零件的製造一直以來都是一個耗時且資源密集的過程。即便採用先進的金屬3D列印技術，找到合適的製造條件仍需要大量的測試與微調。然而，現在有一支由約翰霍普金斯大學應用物理實驗室（APL）和工程學院組成的團隊，正利用人工智慧（AI）技術，讓這一切變得更加快速、強韌且精準。

「國家正面臨加速製造以應對當前和未來衝突需求的迫切挑戰，」APL極端與多功能材料科學專案經理摩根·特雷克斯勒表示。「在APL，我們正推動雷射增材製造的研究，以快速開發符合任務需求的材料，確保生產能夠跟上不斷演變的運營挑戰。」

這項研究成果發表在《增材製造》期刊上，主要聚焦於廣泛使用的鈦合金Ti-6Al-4V，這種合金以其高強度和輕量化特性聞名。團隊利用AI驅動的模型，探索了雷射粉末床熔融技術（一種金屬3D列印方法）中未被開發的製造條件。研究結果挑戰了長期以來對製程限制的假設，揭示了更廣泛的處理視窗，能夠生產出高密度、高品質且具有可定製機械效能的鈦合金。

「多年來，我們假設某些製程引數對所有材料來說都是『禁區』，因為它們會導致最終產品品質不佳，」APL高階材料科學家布倫丹·克魯姆解釋道。「但透過AI探索所有可能性，我們發現了新的處理區域，不僅能加快列印速度，還能維持甚至提升材料的強度和延展性。現在，工程師可以根據具體需求選擇最佳的製程設定。」

這項發現對依賴高效能鈦合金零件的產業來說具有重要意義。能夠以更快的速度製造出更強、更輕的元件，將有助於提升造船、航空和醫療裝置等領域的效率。同時，這也推動了增材製造在航空航天和國防領域的進一步發展。

約翰霍普金斯大學工程學院的研究人員，包括索姆納特·戈什，正整合AI驅動的模擬技術，以更好地預測增材製造材料在極端環境中的表現。戈什共同領導了NASA太空技術研究所（STRI）的其中一個專案，該專案由約翰霍普金斯大學與卡內基梅隆大學合作，專注於開發先進的計算模型，以加速材料的認證與驗證。

這項突破建立在APL多年來推動增材製造的基礎上。APL製造技術首席科學家史蒂夫·斯托克自2015年加入實驗室以來，便意識到這項技術的侷限性。「當時，增材製造在國防部應用的最大障礙之一是材料的可用性——每個設計都需要特定的材料，但大多數材料缺乏穩定的製程條件，」斯托克回憶道。「鈦合金是少數能滿足國防部需求並已最佳化至超越傳統製造效能的材料之一。我們知道，必須擴充套件材料範圍並精煉製程引數，才能充分釋放增材製造的潛力。」

APL團隊開發的機器學習模型，能夠預測增材製造Ti-6Al-4V的孔隙率、強度和延展性，並識別出新的方法來定製其效能。這項技術不僅提升了鈦合金的製造效率，還為其他金屬和製造技術的應用開闢了新的可能性。

「這不僅僅是更快地製造零件，」克魯姆強調。「這是在強度、靈活性和效率之間找到最佳平衡。AI幫助我們探索了我們自己不會考慮的處理區域。」斯托克則指出，這項技術的價值在於能夠根據特定需求定製材料。「無論是應用於北極的潛艇還是極端條件下的飛行元件，這項技術都能讓我們在保持最高效能的同時，針對這些獨特挑戰進行最佳化。」

未來，團隊計劃進一步擴充套件機器學習模型，以預測更複雜的材料行為，如抗疲勞性和耐腐蝕性。這項研究不僅展示了AI、高通量測試和資料驅動製造的強大力量，也為未來的材料科學和製造技術帶來了無限可能。