Maschinelles Lernen unterstützt die schnelle Entwicklung einer hochauflösenden 3D-Drucktechnologie

Biomedizintechniker*innen der Queensland University of Technology (QUT) haben ein neues automatisiertes Verfahren entwickelt, um das „Melt Electrowriting“, eine neue, hochauflösende 3D-Drucktechnologie, die in der Gewebeforschung und regenerativen Medizin eingesetzt wird, drastisch zu verbessern.

MEW hat sich in den letzten zehn Jahren als vielseitige Technik in Bereichen wie Bioengineering, Biomaterialwissenschaft und Softrobotik etabliert. Allerdings wurde der Fortschritt bisher durch niedrige Druckgeschwindigkeiten, inkonsistente Ergebnisse und die starke Abhängigkeit von manuellen Bedienungen gehemmt.

Dr. Pawel Mieszczanek, Erstautor der Studie und Absolvent des ARC Training Centre in Additive Biomanufacturing, sagte: „MEW ist eine vielseitige 3D-Drucktechnologie, die auch in der Biotechnik, der Biomaterialwissenschaft und der Soft-Robotik Anwendung findet“, so Dr. Mieszczanek. „Von ihren Anfängen vor mehr als 10 Jahren bis zu ihrem jetzigen Stadium war sie jedoch mit vielen Herausforderungen konfrontiert, die durch lange Experimentierzeiten, niedrige Druckgeschwindigkeiten, schlechte Konsistenz der Ergebnisse und die Abhängigkeit vom Benutzer bei der Bedienung des Druckers behindert wurden. Um diese Probleme zu lösen, haben wir mithilfe des maschinellen Lernens (ML) ein geschlossenes Prozesssteuerungssystem für MEW entwickelt. Das neuartige Design des MEW-Systems ist effektiv, weil es den Faserdurchlauf überwacht und es uns ermöglicht, Echtzeit-Bildgebung für eine kontinuierliche Analyse zu verwenden.“

Die Technologie basiert auf einem neuronalen Feedforward-Netzwerk, das mit Optimierungstechniken und Feedback-Schleifen kombiniert wurde. Dies ermöglicht eine kontinuierliche Überwachung und Anpassung des Druckprozesses.

Dietmar W. Hutmacher, Direktor des Max-Planck-Queensland-Zentrums für Materialwissenschaften extrazellulärer Matrizes, betonte: „Wir verwenden ein neuronales Vorwärtsnetzwerk, Optimierungstechniken und eine Rückkopplungsschleife, um sicherzustellen, dass die gedruckten Teile konsistent reproduzierbar sind. Diese Arbeit zeigt, dass maschinelles Lernen die MEW-Operationen automatisieren und die Entwicklung einer effektiven Regelschleife in der komplexen 3D-Drucktechnologie unterstützen kann.“

Die Forschungsergebnisse wurden in der Fachzeitschrift Communications Engineering veröffentlicht und zeigen, wie KI-gesteuerte Prozesse die Komplexität moderner 3D-Druckverfahren bewältigen können. Das Team, bestehend aus Wissenschaftlern der QUT und der University of Oregon, hofft, dass diese Fortschritte die Basis für eine industrielle Anwendung von MEW schaffen. Mit der Automatisierung der Datenverarbeitung und Prozesssteuerung könnte MEW künftig eine Schlüsselrolle in der medizinischen Fertigung und darüber hinaus spielen.