金属3D打印的可靠性瓶颈
金属3D打印部件内部的气孔缺陷，一直是制约其在航空航天、汽车等领域大规模应用的可靠性瓶颈。传统方法通过实验测试和数值模拟来评估部件强度，耗时长、成本高，且难以覆盖所有工艺参数组合。如何在生产前快速、准确地预测打印部件的力学性能，成为金属3D打印从"小批量定制"走向"规模化量产"的关键技术障碍。
韩国浦项科技大学（POSTECH）与韩国材料科学研究院（KIMS）的研究团队联合开发了一种基于人工智能的分析框架，成功实现了在数秒内预测金属3D打印部件强度，相比传统方法预测准确度提升了四倍。该成果有望大幅缩短金属3D打印从设计到验证的周期，为工业级应用的规模化铺平道路。
帕累托优化：突破强度与延展性的矛盾
此前，韩国科学技术院（KAIST）与POSTECH的合作研究已在《自然·通讯》杂志发表，研究团队开发了一种名为帕累托优化的AI方法，成功解决了Ti-6Al-4V合金在3D打印中强度与延展性的传统难题。LPBF（激光粉末床熔融）工艺在打印钛合金时，通常面临强度和延展性不可兼得的困境——提高强度往往牺牲延展性，反之亦然。
研究团队利用AI发现了此前人类工程师未注意到的工艺参数组合，这些参数能够在保持高强度的同时提升延展性，实现了"鱼和熊掌兼得"的突破。AI发现的3D打印工艺参数让钛合金性能超越了传统认知的极限，令工艺工程师感到意外。
AI赋能金属3D打印的未来
POSTECH与KIMS最新开发的AI分析框架进一步将预测能力从"工艺参数优化"拓展到"部件强度预测"，实现了从设计端到验证端的AI全链条赋能。该框架即使存在某些变量或复杂条件，依然能够保持高效且高精度的预测能力。
这种AI驱动的方法对金属3D打印行业具有深远意义。首先，它将原本需要数天甚至数周的试错验证压缩至秒级，极大降低了研发成本和时间周期。其次，它为3D打印部件的质量保证提供了量化依据，有助于建立行业可靠性标准。第三，它使非专业人员也能快速评估打印方案的可行性，降低了金属3D打印的使用门槛。
随着AI预测框架的持续优化和工业化部署，金属3D打印有望加速进入规模化量产时代，推动航空航天、汽车、医疗等高端制造领域的数字化转型。
来源：中国3D打印网、《自然·通讯》、POSTECH官方