論文の概要: Discovery of Feasible 3D Printing Configurations for Metal Alloys via AI-driven Adaptive Experimental Design

• arxiv url: http://arxiv.org/abs/2601.17587v1
• Date: Sat, 24 Jan 2026 20:57:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.005765
• Title: Discovery of Feasible 3D Printing Configurations for Metal Alloys via AI-driven Adaptive Experimental Design
• Title（参考訳）: AI駆動アダプティブな実験設計による金属合金の3次元印刷構成の発見
• Authors: Azza Fadhel, Nathaniel W. Zuckschwerdt, Aryan Deshwal, Susmita Bose, Amit Bandyopadhyay, Jana Doppa,
• Abstract要約: 本稿では、AI駆動適応型実験設計の一般的な原理とドメイン知識を組み合わせて、実現可能な構成を発見する上で困難な問題に対処する。 本手法の有効性を実証するため,NASA が開発した高性能銅-クロム-ニオブ合金 GRCop-42 の印刷に指向エネルギー堆積法を応用した。
• 参考スコア（独自算出の注目度）: 27.100343939296707
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Configuring the parameters of additive manufacturing processes for metal alloys is a challenging problem due to complex relationships between input parameters (e.g., laser power, scan speed) and quality of printed outputs. The standard trial-and-error approach to find feasible parameter configurations is highly inefficient because validating each configuration is expensive in terms of resources (physical and human labor) and the configuration space is very large. This paper combines the general principles of AI-driven adaptive experimental design with domain knowledge to address the challenging problem of discovering feasible configurations. The key idea is to build a surrogate model from past experiments to intelligently select a small batch of input configurations for validation in each iteration. To demonstrate the effectiveness of this methodology, we deploy it for Directed Energy Deposition process to print GRCop--42, a high-performance copper--chromium--niobium alloy developed by NASA for aerospace applications. Within three months, our approach yielded multiple defect-free outputs across a range of laser powers dramatically reducing time to result and resource expenditure compared to several months of manual experimentation by domain scientists with no success. By enabling high-quality GRCop--42 fabrication on readily available infrared laser platforms for the first time, we democratize access to this critical alloy, paving the way for cost-effective, decentralized production for aerospace applications.
• Abstract（参考訳）: 金属合金の添加性製造プロセスのパラメータの設定は、入力パラメータ(例えば、レーザーパワー、走査速度)と印刷出力の品質の関係が複雑であるため、難しい問題である。 実現可能なパラメータ構成を見つけるための標準的な試行錯誤手法は、資源(物理的および人的労働)の観点から各構成を検証することは高価であり、構成空間が非常に大きいため、非常に非効率である。 本稿では、AI駆動適応型実験設計の一般的な原理とドメイン知識を組み合わせて、実現可能な構成を発見する上で困難な問題に対処する。 鍵となるアイデアは、過去の実験からサロゲートモデルを構築し、各イテレーションで検証するための小さな入力設定をインテリジェントに選択することだ。 本手法の有効性を実証するため,NASA が開発した高性能銅-クロム-ニオブ合金 GRCop-42 の印刷に指向エネルギー堆積法を応用した。 提案手法は3ヶ月以内に, 領域科学者による数ヶ月の手動実験と比較し, 結果と資源支出を劇的に削減する, 様々なレーザーパワーの欠陥のないアウトプットが得られた。 近赤外レーザープラットフォーム上で高品質のGRCop-42を初めて実現することにより、我々はこの臨界合金へのアクセスを民主化し、航空宇宙用途の費用対効果と分散生産の道を開いた。

関連論文リスト

• Reinforcement Learning on Reconfigurable Hardware: Overcoming Material Variability in Laser Material Processing [3.958366734801974]
  本研究では,実時間実行を実現するためにフィールドプログラマブルゲートアレイ上に実装された,レーザプロセス制御のための新しいリアルタイム強化学習手法を提案する。 具体的には、このアルゴリズムは各一意な表面特性に対する正しいパワープロファイルを学習し、手動の最適定電力戦略よりも大幅に改善された。 このアプローチは、レーザープロセスの自動化と最適化において大きな進歩を示し、複数の産業で応用される可能性がある。
  論文  参考訳（メタデータ） (2025-01-31T12:51:55Z)
• Efficient Materials Informatics between Rockets and Electrons [0.0]
  この論文は、超高温耐火高エントロピー合金(RHEA)を組み込んだ機能性グレード材料(FGM)の設計に焦点を当てている。 原子レベルでは、MPDDと呼ばれる450万以上の緩和された構造から機械学習(ML)に最適化されたデータエコシステムが、実験的な観察を知らせ、熱力学モデルを改善するために使用される。 結果として生じるマルチレベル発見インフラストラクチャは、既存のソリューションを探すのではなく、問題のエンコーディングに重点を置いているため、非常に一般化可能である。
  論文  参考訳（メタデータ） (2024-07-05T17:03:26Z)
• A Multi-Fidelity Methodology for Reduced Order Models with High-Dimensional Inputs [0.0]
  本研究では,高次元コンテキスト向けに設計された新しい多面的・パラメトリック・非侵入型ROMフレームワークを提案する。 これは、多様体アライメントと次元縮小のための機械学習技術を統合する。 我々のアプローチは、2D RAE2822翼と3D NASA CRM翼の2つのテストケースで検証されている。
  論文  参考訳（メタデータ） (2024-02-26T22:47:03Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• Direct pulse-level compilation of arbitrary quantum logic gates on superconducting qutrits [36.30869856057226]
  任意のqubitおよびqutritゲートを高忠実度で実現でき、ゲート列の長さを大幅に削減できることを示す。 最適制御ゲートは少なくとも3時間ドリフトでき、同じ校正パラメータを全ての実装ゲートに利用できることを示す。
  論文  参考訳（メタデータ） (2023-03-07T22:15:43Z)
• Multi-Agent Reinforcement Learning for Microprocessor Design Space Exploration [71.95914457415624]
  マイクロプロセッサアーキテクトは、高性能でエネルギー効率の追求において、ドメイン固有のカスタマイズにますます頼っている。 この問題に対処するために,Multi-Agent RL (MARL) を利用した別の定式化を提案する。 評価の結果,MARLの定式化は単エージェントRLのベースラインよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2022-11-29T17:10:24Z)
• A Reinforcement Learning Approach for Process Parameter Optimization in Additive Manufacturing [0.0]
  本稿では,金属添加物製造分野における最適化問題に転換した強化学習(RL)手法を紹介する。 実験的に検証されたEagar-Tsaiの定式化は、レーザー指向のエネルギー沈着環境をエミュレートするために用いられる。 したがって、このフレームワークは、事前の観察なしに学習するためのモデルなしのアプローチを提供する。
  論文  参考訳（メタデータ） (2022-11-17T14:05:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。