目前，机器学习系统成本更低，浪费更少，而且比人工方法更具创新性。从定制的医疗设备到经济适用房，用于制造各种物品的3D打印技术日益普及，人们对新3D打印材料也产生了更多需求。

为了减少发现这些新材料所需的时间，麻省理工学院的研究人员开发了一种由数据驱动的程序，使用机器学习来优化具有多种特性的新3D打印材料，如韧性和压缩强度。

通过简化材料开发，该系统还降低了成本，并通过减少化学废物来减轻对环境的影响。机器学习算法还可提出人们没想到的化学材料。

材料开发在很大程度上仍然是一个人工过程。在化学家进入实验室后，他需要自己混合成分、制作样品、测试样品，并得出最终的配方。化学家在几天内只能做几次迭代，而该系统可以在相同的时间内做数百次迭代。

研究员说，对于一些应用来说，这将胜过传统的方法，因为人们可以更多地依靠优化算法来找到最佳解决方案。

研究人员创建了一个免费的开源材料优化平台，名为AutoOED，其中包含优化算法。AutoOED是一个完整的软件包，也可供研究人员自己进行优化。

该研究论文题为"Accelerated discovery of 3D printing materials using data-driven multiobjective optimization"，已发表在Science Advances期刊上。

参考资料：https://www.science.org/doi/10.1126/sciadv.abf7435

标签： 麻省 理工学院 利用 人工智能