L’intelligenza artificiale auto-migliorante aumenta l’efficienza della stampa 3D

Secondo la Washington State University, un algoritmo di intelligenza artificiale (IA) può consentire ai ricercatori di utilizzare in modo più efficiente le strutture complesse della stampa 3D. Lo studio, pubblicato sulla rivista Advanced Materials Technologies, potrebbe consentire un utilizzo più fluido della stampa 3D per progetti complessi in tutto, dagli organi artificiali all’elettronica flessibile e ai biosensori indossabili. Come parte dello studio, l’algoritmo ha imparato a identificare e quindi stampare le migliori versioni di modelli di organi renali e prostatici, stampando 60 versioni in continuo miglioramento.

“È possibile ottimizzare i risultati, risparmiando tempo, costi e manodopera”, ha affermato Kaiyan Qiu, coautore corrispondente del documento e professore associato Berry presso la WSU School of Mechanical and Materials Engineering.

Per gli ingegneri, cercare di sviluppare le impostazioni di stampa corrette risulta spesso macchinoso e inefficiente, poiché è necessario prendere decisioni riguardanti, ad esempio, i materiali, la configurazione della stampante e la pressione di erogazione dell’ugello.

“Il numero di possibili combinazioni è schiacciante e ogni prova costa tempo e denaro”, ha affermato Jana Doppa, co-autrice corrispondente e professoressa associata di informatica presso la WSU con la cattedra Huie-Rogers.

Qiu ha svolto ricerche per diversi anni nello sviluppo di modelli complessi e realistici stampati in 3D di organi umani. Questi possono essere utilizzati, ad esempio, per addestrare i chirurghi o valutare dispositivi di impianto, ma i modelli devono includere le proprietà meccaniche e fisiche dell’organo reale, tra cui vene, arterie, canali e altre strutture dettagliate.

Qiu, Doppa e i loro studenti hanno utilizzato una tecnica di intelligenza artificiale chiamata Ottimizzazione Bayesiana per addestrare e trovare le impostazioni di stampa 3D ottimizzate. Una volta addestrato, i ricercatori sono stati in grado di ottimizzare tre diversi obiettivi per i loro modelli di organi: la precisione geometrica del modello, il suo peso o quanto è poroso e il tempo di stampa. La porosità del modello di organo è importante per la pratica chirurgica perché le proprietà meccaniche del modello possono cambiare a seconda della sua densità.

“È difficile bilanciare tutti gli obiettivi, ma siamo riusciti a trovare un equilibrio favorevole e a ottenere la migliore stampa possibile di un oggetto di qualità, indipendentemente dal tipo di stampa o dalla forma del materiale”, ha affermato il co-primo autore Eric Chen, uno studente ospite della WSU che lavora nel gruppo di Qiu presso la School of Mechanical and Materials Engineering.

Alaleh Ahmadian, co-autore principale e studente laureato WSU presso la School of Electrical Engineering and Computer Science, ha aggiunto che i ricercatori sono stati in grado di guardare a tutti gli obiettivi in ​​modo equilibrato per ottenere risultati favorevoli e che il progetto ha beneficiato della sua prospettiva interdisciplinare. “È molto gratificante lavorare sulla ricerca interdisciplinare eseguendo esperimenti fisici di laboratorio per creare un impatto nel mondo reale”, ha affermato.

I ricercatori hanno prima addestrato il programma per computer a stampare un modello di prova chirurgica di una prostata. Poiché l’algoritmo è ampiamente generalizzabile, potrebbero facilmente modificarlo con piccole regolazioni per stampare un modello di rene. “Ciò significa che questo metodo può essere utilizzato per produrre altri dispositivi biomedici più complicati e persino in altri campi”, ha affermato Qiu.

Il lavoro della Washington State University è stato finanziato dalla National Science Foundation, dalla WSU Startup e dal Cougar Cage Funds.