Hardware··2 min de lectura

Investigadores de WSU usan IA para imprimir con impresoras comerciales el aleación aeroespacial GRCop‑42

Un modelo de IA redujo de 100 millones a 40 pruebas la búsqueda de parámetros viables para imprimir GRCop‑42, una aleación de cobre, cromo y niobio.

Investigadores de la Washington State University combinaron IA y fabricación aditiva para encontrar una forma más barata y eficiente de imprimir la aleación GRCop‑42. En menos de tres meses y con sólo 40 experimentos, lograron definir seis configuraciones exitosas, incluida la primera impresión a 500 W, algo que antes requería equipos de alta potencia.

El equipo, liderado por la profesora Jana Doppa y el estudiante de doctorado Azza Fadhel, partió de 37 intentos fallidos y entrenó un modelo que estimaba la probabilidad de éxito de configuraciones no probadas. Cada ronda de predicciones proponía pequeños lotes que equilibraban la exploración de áreas inciertas y la explotación de opciones prometedoras. "Ninety percent of commercial printers cannot print this metal alloy, so given that we were able to find these feasible process parameters, it allows us to use those commercial printers, and we are essentially democratizing the printing of this alloy", señaló Doppa.

GRCop‑42, desarrollada por NASA, destaca por su alta conductividad térmica y resistencia a temperaturas extremas, por lo que se usa en cámaras de combustión de motores de cohetes. Sin embargo, su impresión requiere láseres de varios cientos de vatios, lo que encarece la producción y limita su acceso a grandes laboratorios. Con la IA, los investigadores pudieron reducir el consumo energético y el desgaste del equipo, abriendo la puerta a universidades y pequeñas empresas que solo disponen de impresoras de menor potencia.

El método no solo sirve a esta aleación; los autores afirman que la misma estrategia puede aplicarse a otros metales y a problemas de descubrimiento científico donde los resultados exitosos son escasos y los experimentos costosos. "Every time you try, you basically get a binary success or failure signal, and you are trying to minimize the number of tries that you have so that you get to those successful needles very quickly", explicó Doppa.

El trabajo se publicó en los Proceedings of the AAAI Conference on Artificial Intelligence y recibió el Innovative Deployed Application Award en la conferencia anual del grupo. Además, colaboraron con investigadores de la Universidad de Minnesota y varios expertos de la escuela de Ingeniería Mecánica y de Materiales de WSU.

Si la técnica se extiende a otras aleaciones, podríamos ver una proliferación de piezas de alto rendimiento fabricadas en talleres modestos, lo que aceleraría la innovación en sectores como la aeroespacial, la automotriz y la médica. Por ahora, la prueba de concepto muestra que la IA puede hacer que la impresión 3D de materiales costosos sea una tarea menos prohibitiva y mucho más ágil.

##Relacionado