Selbstoptimierende KI- Technologie steigert Effizienz des 3D-Drucks

Eine Studie der Washington State University, die in der Fachzeitschrift Advanced Materials Technologies veröffentlicht wurde, könnte eine nahtlosere Nutzung des 3D-Drucks für komplexe Designs in allen Bereichen ermöglichen, von künstlichen Organen bis hin zu flexibler Elektronik und tragbaren Biosensoren.

In der Studie lernten die Forschenden den Algorithmus, die besten Versionen von Nieren- und Prostatamodellen zu identifizieren und zu drucken. Dabei wurden 60 zunehmend verbesserte Versionen dieser Organmodelle erstellt.

„Man kann die Ergebnisse optimieren und so Zeit, Kosten und Arbeit sparen“, sagt Kaiyan Qiu, Mitautor der Studie und Berry Assistant Professor an der WSU School of Mechanical and Materials Engineering.

Der 3D-Druck hat in den letzten Jahren stark an Bedeutung gewonnen und ermöglicht es Ingenieur*innmen, maßgeschneiderte Designs schnell in eine Vielzahl von Produkten umzuwandeln, darunter tragbare Geräte, Batterien und Bauteile für die Luft- und Raumfahrt. Allerdings stehen sie weiter vor der Herausforderung, die richtigen Einstellungen für ihre Druckprojekte zu finden. Faktoren wie Materialwahl, Druckerkonfiguration und der Druck der Düse beeinflussen das Endprodukt maßgeblich.

„Die schiere Anzahl möglicher Kombinationen ist überwältigend, und jeder Versuch kostet Zeit und Geld“, sagte Jana Doppa, Mitautorin und Huie-Rogers Endowed Chair Associate Professor of Computer Science an der WSU.

Qiu hat bereits mehrere Jahre an der Entwicklung komplexer, lebensechter 3D-gedruckter Modelle menschlicher Organe geforscht, die etwa zur Schulung von Chirurg*innen oder zur Evaluierung von Implantaten genutzt werden können. Dabei müssen die Modelle die mechanischen und physischen Eigenschaften des echten Organs, einschließlich Adern, Arterien und anderer feiner Strukturen, genau nachbilden.

Für die Optimierung ihrer 3D-Druckverfahren nutzten Qiu, Doppa und ihr Team eine KI-Technik namens Bayessche Optimierung. Diese ermöglichte es ihnen, drei verschiedene Ziele für ihre Organmodelle zu optimieren: die geometrische Präzision des Modells, dessen Gewicht bzw. Porosität und die Druckzeit. Die Porosität ist insbesondere für chirurgische Übungen wichtig, da sie die mechanischen Eigenschaften des Modells beeinflusst.

„Es ist schwer, alle Ziele unter einen Hut zu bringen, aber wir konnten ein gutes Gleichgewicht finden und den bestmöglichen Druck eines Qualitätsobjekts erreichen, unabhängig von der Druckart oder der Materialform“, sagte der Co-Erstautor Eric Chen, ein WSU-Gaststudent, der in Qius Gruppe an der Fakultät für Maschinenbau und Werkstofftechnik arbeitet.

Der Algorithmus wurde zunächst darauf trainiert, ein Modell einer Prostata für chirurgische Proben zu drucken. Dank der allgemeinen Anwendbarkeit des Algorithmus konnte er mit geringfügigen Anpassungen auch zur Herstellung eines Nierenmodells eingesetzt werden.

Das interdisziplinäre Projekt, das Forschende aus verschiedenen Fachbereichen zusammenbrachte, unterstreicht die Bedeutung von KI in der modernen Fertigung und zeigt, wie Maschinenlernen die Entwicklung und Produktion biomedizinischer Geräte vorantreiben kann.