I ricercatori della Washington State University hanno sviluppato un algoritmo di intelligenza artificiale che può ottimizzare la stampa 3D per produrre strutture complesse.
Un algoritmo di AI, sviluppato dalla Washington State University (WSU), potrebbe consentire un utilizzo più fluido della stampa 3D per progetti complessi in tutto, dagli organi artificiali all’elettronica flessibile e ai biosensori indossabili. In questo studio, pubblicato sulla rivista Advanced Materials Technologies, 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” afferma Kaiyan Qiu, coautore corrispondente del documento e professore associato presso la School of Mechanical and Materials Engineering della Washington State University.
L’uso della stampa 3D è cresciuto negli ultimi anni, consentendo agli ingegneri industriali di convertire rapidamente progetti personalizzati su un computer in un’ampia gamma di prodotti, tra cui dispositivi indossabili, batterie e parti aerospaziali.
Ma per gli ingegneri, cercare di sviluppare le impostazioni corrette per i loro progetti di stampa è macchinoso e inefficiente. Gli ingegneri devono decidere i materiali, la configurazione della stampante e la pressione di erogazione dell’ugello, ad esempio, tutti fattori che influiscono sul prodotto finale.
“Il numero di possibili combinazioni è schiacciante e ogni prova costa tempo e denaro” afferma Jana Doppa, co-autrice corrispondente e docente associata di informatica con cattedra Huie-Rogers presso la WSU.
Qiu ha svolto ricerche per diversi anni sullo sviluppo di modelli complessi e realistici di organi umani stampati in 3D. Possono essere utilizzati, per esempio, per addestrare i chirurghi o valutare i 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.
Una tecnica di AI chiamata ottimizzazione bayesiana
I ricercatori hanno utilizzato una tecnica di intelligenza artificiale chiamata ottimizzazione bayesiana per addestrare e trovare le impostazioni di stampa 3D ottimizzate. Una volta che li hanno addestrati, 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 la sua porosità e il tempo di stampa. La porosità del modello di organo è importante per la pratica chirurgica, per esempio, perché le proprietà meccaniche del modello possono cambiare a seconda della sua densità.
“È difficile bilanciare tutti gli obiettivi, ma siamo stati in grado di raggiungere un equilibrio favorevole e ottenere la migliore stampa possibile di un oggetto di qualità, indipendentemente dal tipo di stampa o dalla forma del materiale” afferma il co-primo autore Eric Chen, studente ospite della WSU che lavora nel gruppo di Qiu presso la School of Mechanical and Materials Engineering.
Alaleh Ahmadian, co-primo autore e studente laureato della WSU presso la School of Electrical Engineering and Computer Science, ha aggiunto che i ricercatori sono stati in grado di esaminare tutti gli obiettivi in modo equilibrato per 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”.
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 per altri campi” conclude Qiu.
Il lavoro è stato finanziato dalla National Science Foundation, WSU Startup e Cougar Cage Funds.
