1589
Металевий сплав, який використовують у ракетних двигунах і деталях для екстремальних температур, складно друкувати без дефектів. Команда дослідників використала штучний інтелект для пошуку параметрів процесу й отримала шість стабільних режимів, які дозволяють друкувати матеріал на доступніших системах без значної втрати якості.
Йдеться про високотемпературний нікелевий сплав, який повинен витримувати великі механічні навантаження та різкі перепади температур.
У традиційному виробництві такі деталі часто фрезерують або відливають, що дорого й обмежує геометрію.
3D-друк дає можливість створювати внутрішні канали охолодження й форми, які майже неможливо виготовити класичними методами.
Основна проблема — дуже вузьке «вікно» параметрів. Якщо лазер рухається надто швидко, порошок не сплавляється повністю. Якщо надто повільно або потужність завелика — метал перегрівається, випаровується або утворює тріщини.
Зазвичай інженери шукають оптимальні налаштування методом проб і помилок, виконуючи сотні тестових друків.
Дослідники створили модель машинного навчання, яка враховувала потужність лазера, швидкість сканування, товщину шару та інші параметри.
Алгоритм проаналізував великий простір можливих комбінацій і вибрав режими, які найімовірніше дадуть щільну структуру без пор і тріщин.
Потім кандидати перевірили експериментально. Шість наборів параметрів дали стабільний результат.
Особливо важливо, що частина режимів працювала на обладнанні, яке дешевше й поширеніше за спеціалізовані промислові установки.
Це може знизити бар’єр для виробництва складних деталей у невеликих лабораторіях і компаніях.
Метод можна переносити й на інші складні сплави. Якщо модель навчена на достатній кількості даних, вона здатна значно скоротити кількість дорогих фізичних експериментів.
Робота не означає, що AI автоматично замінює матеріалознавців. Фінальну міцність, втомну стійкість і поведінку при високій температурі все одно потрібно перевіряти традиційними випробуваннями.
Проте вона показує, що машинне навчання може стати інструментом не лише для аналізу даних, а й для прямого проектування виробничого процесу.
https://phys.org/news/2026-08-ai-ways-rocket-grade-alloy.html
