fredag 15 mars – uke 11
Tidens løsen er kunstig intelligens (AI – artificial intelligence) i kombinasjon med maskinlæring (ML – machine learning). Du har kanskje sett mange fargelagte bilder fra gamle dager i det siste, og som i tillegg kan snu litt på ansiktet, blunke med øynene og snu blikket i flere retninger? Dette er de mest synlige og populære innslagene i hverdagen av maskinlæring og kunstig intelligens. Nå har forskere fra Charles University’s Computer Graphics Group (CGG) har utviklet en teknikk basert på maskinlæring som kan bidra til å virkeliggjøre potensialet til høyoppløselig 3D-printing i farger.
Ved kontinuerlig å simulere utskriftsprosessen har teamet klart å trene en algoritme til å iterativt finne de optimale parametrene for å begrense fargeblødning, og forbedre delens nøyaktighet. Programmet er også ultraeffektivt, og krever bare en GPU (grafikkprosessor), noe som gjør det opptil 300 ganger raskere enn lignende AI-tilnærminger, mens det reduserer forberedelsestiden for 3D-utskrifter fra flere titalls timer til bare et par minutter.
Fartsgrensen for 3D-printing i farger
For tiden er det mange material jetting (MJ) 3D-printere som kan produsere deler med kompleks fargevariasjon, og de blir ofte brukt til å gjenskape svært detaljerte museumsgjenstander og kirurgiske modeller. For å oppnå dette bruker konvensjonelle MJ-systemer UV-lys for å nøyaktig lage forskjellige blandinger av gjennomsiktige basefargede harpikser, og denne subtraktive blandingsprosessen gir dem en ganske bred palett.
Men til tross for fleksibilitet i 3D-printing i farger kan det forårsake uønsket optisk spredning, noe som påvirker skarpheten og nøyaktigheten til eventuelle resulterende deler. Gitt at slik fargeblanding er tredimensjonal, så er det slik at når den oppstår, påvirker den også farger på motsatte sider i gjenstander med tynne vegger, noe som gjør det til et vesentlig hinder for presis produksjon i stor skala.
Tilbake i 2017 var forskerne i stand til å bevise fordelene av å bruke simuleringer for å optimalisere plassering av materialer under utskrift, noe som sikret en dels optimale skarphet og kontrast. Nå, basert på millioner av testkjøringer, har teamet lagd en forbedret algoritme som er i stand til mer nøyaktig å forutsi hvordan en gitt overflate påvirkes av materialene rundt den, noe som fremskynder hele prosessen.
En alternativ lysspredningsmodell
Konvensjonelt innebærer det å bruke den såkalte ‘Monte Carlo’ (MC) simuleringsmodellen for å forutsi retningen for veien UV-lys tar. Selv om slike tilnærminger ofte er effektive, kan det ta mange timer å fullføre, selv når du bruker et avansert system for å produsere et veldig lite objekt, og skaper en flaskehals som forhindrer skalerbar produksjon av komplekse fargede deler.
For å omgå dette tok forskerne en datadrevet tilnærming, der de brukte et dypt nevralt nettverk for å simulere produksjonen av et redusert antall prøver, på bekostning av en høyere resultatvarians. Selv om teamets raffinementssløyfe førte til noen anslag av lavere kvalitet, tok det bare 30 timer å modellere et referanseobjekt, mye mindre enn de mer enn 3000 timene som er vanlig for MC-drevet programvare.
Den reviderte algoritmen ble også funnet å generalisere bedre enn eksisterende programmer mellom grunnleggende former og komplekse geometrier, noe som potensielt gjør den ideell for å gjennomføre en bredere forberedelse av 3D-printingen. Dessuten kjørte teamets programvare dobbelt så raskt som før under testing på en single-GPU-arbeidsstasjon, og dermed unngikk man behovet for å seriekople mange datamaskiner, hvilket tidligere var nødvendig for ML-oppgaver.
Faktisk, sammenlignet med eksisterende MJ 3D-arbeidsflyter, viste det seg at forskernes var opptil 300 ganger raskere, og resulterende eksempler inneholdt et tilsvarende kvalitetsnivå som konvensjonelle modeller med en “perspektivmessig skarp” fargetone, selv om oppsettet til slutt gjorde det mindre godt på objekter med tynne vegger.
Forskningsrapporten finner du her.
HP har inngått nye partnerskap med to bedrifter. Den ene er den tyske leverandøren av automatisert etterbehandling, DyeMansion, den andre er Accel Digital Solutions (ADS), en oppstart med fokus på 3D-utskrift.
Publisert av:Roger Stormo | roger.stormo@agi.no| 12. mars, 2024
Til tross for økonomisk uforutsigbare tider er det stor interesse for å delta på bransjens største messe, Formnext. Ved utgangen av februar var allerede 574 bedrifter fra 35 land registrert som utstillere.
Publisert av:Anja Degerholm | anja.degerholm@agi.se| 12. mars, 2024
Massivit 3D Printing Technologies har annonsert et nytt strategisk partnerskap med Sika Deutschland GmbH – en global produsent av spesialkjemikalier – med mål om å selge og markedsføre felles spesialiserte harpikser for høyhastighets verktøyapplikasjoner produsert på Massivit 10000 additiv produksjonsserien.
Publisert av:Roger Stormo | roger.stormo@agi.no| 8. mars, 2024
3D-printerprodusenten Stratasys har kjøpt teknologiporteføljen og den intellektuelle eiendommen (Intellectual Property – IP) til 3D-printerfirmaet Arevo, som driver med 3D-printing med karbonfiber. Dette oppkjøpet følger maskinvareauksjonen av Arevos eiendeler innen 3D-printing, som ble holdt forrige måned.
Publisert av:Roger Stormo | roger.stormo@agi.no| 8. mars, 2024
Glem campingturen, du kan bli med NASA på et årelangt opphold på Mars! Nok en gang gjør NASA det (nesten) mulig å tilbringe dagene på Mars, og inviterer søkere til sitt neste simulerte årlange Mars-oppdrag under programmet Crew Health and Performance Exploration Analog (CHAPEA).
Publisert av:Roger Stormo | roger.stormo@agi.no| 22. februar, 2024
Procada fra Trollhättan i Sverige har utviklet en 3D-printerteknologi som blant annet gjør det mulig å skrive ut produkter i lettmetall. For dette har de blitt tildelt pris for Årets oppstartsfirma av Innovatum Science Park.
Publisert av:Anja Degerholm | anja.degerholm@agi.se| 22. februar, 2024
AGI Publishing House AB | Altonagatan 5 | 211 38 Malmö | Sverige