智算芯能前沿近日获悉，华盛顿州立大学（WSU）研究人员在《AAAI人工智能会议论文集》上发表了一项研究。他们用AI指导实验设计的方法，找到了NASA开发的GRCop-42铜铬铌合金在500W低激光功率下的定向能量沉积（DED）工艺参数。
超过1亿种可能，AI只用了40次实验
GRCop-42是NASA为极端高温环境设计的铜铬铌合金，用于液体火箭发动机燃烧室等高热流部件。它导热性极强、高温下强度出色，但正是这些优点让激光加工变得异常困难——铜对红外激光吸收率低，热量散失快，此前研究人员认为在900W以下建立稳定工艺窗口几乎不可能。
更棘手的是参数组合的规模。激光功率、扫描速度、送粉速率、气体流量、层高——每个变量都有多个取值，组合起来超过1亿种可能。一次打印实验材料、设备、人工成本数百美元，后续质量分析又要几天。传统试错法根本无法覆盖这个搜索空间。
团队开发的方案叫BEAM——增材制造贝叶斯实验设计。它不是盲搜，而是用概率模型从每次实验中学习，主动选择下一步该试什么。团队先用37个此前失败的配置做初始化，模型评估哪些未测试组合更可能成功，然后推荐小批量新配置去试——既探索有希望的选项，也覆盖不确定区域来改进模型本身。
500W：第一次用商用设备打印NASA火箭合金
三个月、40次实验，BEAM找到了6组成功配置。最关键的突破是首次在500W激光功率下成功打印GRCop-42——远低于此前认为可行的下限。
具体参数上，500W成功的配置为：送粉速率0.075 RPM、气体流量7 L/min、扫描速度250 mm/min、层高0.3 mm。700W下另一组成功配置为：送粉速率0.2 RPM、气体流量7 L/min、扫描速度1600 mm/min、层高0.11 mm。成功配置的共同特点是高扫描速度和低层厚。
“让这个合金的打印变得平民化”
WSU研究负责人、计算机科学系Huie-Rogers讲席教授Jana Doppa表示：“90%的商用打印机无法打印这种合金。既然我们找到了可行的工艺参数，就能用上这些商用打印机——本质上是在让这个合金的打印变得平民化。”
打印出样品只是第一步。航空级部件的增材制造还需要验证密度、微观结构、力学性能、可重复性。但这个发现的意义在于：它证明了原本需要专用高功率设备的材料，可以用更常见的商用设备来加工。
对机器学习从业者来说，这是闭环实验设计在高成本、高维度材料研发中的一个典型案例。失败实验和成功实验一样有价值——它们帮模型避开无效区域。这种思路不只适用于金属打印，药物发现等同样面临巨大搜索空间的问题，也可以用类似的方法。
（素材来自：WSU 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。