Inteligencia artificial que se mejora a sí misma aumenta la eficiencia de la impresión 3D

Un algoritmo de inteligencia artificial puede permitir a los investigadores utilizar la impresión 3D de forma más eficiente para fabricar estructuras complejas.

El estudio de la Universidad Estatal de Washington podría permitir un uso más fluido de la impresión 3D para diseños complejos en todo, desde órganos artificiales hasta electrónica flexible y biosensores portátiles.

Como parte del estudio, el algoritmo aprendió a identificar y luego imprimir las mejores versiones de modelos de órganos de riñón y próstata, imprimiendo 60 versiones en constante mejora.

“Puedes optimizar los resultados, ahorrando tiempo, costos y mano de obra”, dijo Kaiyan Qiu, coautor correspondiente del artículo y profesor adjunto de Berry en la Escuela de Ingeniería Mecánica y de Materiales de la WSU.

El uso de la impresión 3D ha ido creciendo en los últimos años, lo que permite a los ingenieros industriales convertir rápidamente diseños personalizados en una computadora en una amplia gama de productos, incluidos dispositivos portátiles, baterías y piezas aeroespaciales.

Pero para los ingenieros, tratar de desarrollar la configuración correcta para sus proyectos de impresión es engorroso e ineficiente.

Los ingenieros tienen que decidir sobre los materiales, la configuración de la impresora y la presión de dispensación de la boquilla, por ejemplo, todo lo cual afecta el producto final.

“La gran cantidad de combinaciones potenciales es abrumadora, y cada prueba cuesta tiempo y dinero“, dijo Jana Doppa, coautora correspondiente y profesora asociada de Ciencias de la Computación de la Cátedra Huie-Rogers en WSU.

Qiu ha investigado durante varios años en el desarrollo de modelos complejos y realistas de órganos humanos impresos en 3D.

Se pueden utilizar, por ejemplo, en la formación de cirujanos o en la evaluación de dispositivos de implantes, pero los modelos tienen que incluir las propiedades mecánicas y físicas del órgano real, incluidas las venas, las arterias, los canales y otras estructuras detalladas.

Qiu, Doppa y sus estudiantes utilizaron una técnica de IA llamada Optimización Bayesiana para entrenar y encontrar las configuraciones optimizadas de impresión 3D.

Una vez entrenada, los investigadores pudieron optimizar tres objetivos diferentes para sus modelos de órganos: la precisión de la geometría del modelo, su peso o su porosidad y el tiempo de impresión.

La porosidad del modelo de órgano es importante para la práctica quirúrgica, por ejemplo, porque las propiedades mecánicas del modelo pueden cambiar dependiendo de su densidad.

“Es difícil equilibrar todos los objetivos, pero pudimos lograr un equilibrio favorable y lograr la mejor impresión posible de un objeto de calidad, independientemente del tipo de impresión o la forma del material”, dijo el coautor principal Eric Chen, un estudiante visitante de la WSU que trabaja en el grupo de Qiu en la Escuela de Ingeniería Mecánica y de Materiales.

Alaleh Ahmadian, coautor principal y estudiante de posgrado de la WSU en la Escuela de Ingeniería Eléctrica y Ciencias de la Computación, agregó que los investigadores pudieron analizar todos los objetivos de manera equilibrada para obtener resultados favorables y que el proyecto se benefició de su perspectiva interdisciplinaria.

“Es muy gratificante trabajar en una investigación interdisciplinaria realizando experimentos físicos de laboratorio para crear un impacto en el mundo real”, dijo.

Los investigadores primero entrenaron al programa de computadora para imprimir un modelo de ensayo quirúrgico de una próstata.

Debido a que el algoritmo es ampliamente generalizable, pudieron cambiarlo fácilmente con pequeños ajustes para imprimir un modelo de riñón.

“Eso significa que este método puede utilizarse para fabricar otros dispositivos biomédicos más complicados, e incluso [ampliarse] a otros campos“, dijo Qiu.

Fuente: Advanced Materials Technologies