麻省理工学院开发新的AI工具以加速发现新的3D打印材料需求。为了减少发现这些新材料所需的时间，麻省理工学院的研究人员开发了一种数据驱动程序，该程序使用机器学习来优化具有韧性和抗压强度等特性的新型3D打印材料。通过简化材料开发，该系统通过减少化学废物量降低了成本并减轻了对环境的影响。机器学习算法还可以通过建议人类直觉可能错过的独特化学配方来刺激创新。“材料开发在很大程度上仍然是一个手动过程，”计算机科学与人工智能实验室(CSAIL)计算设计与制造小组(CDFG)的机械工程师兼项目经理MikeFoshey说，他是该论文的共同主要作者.一位化学家进入实验室，手工混合各种成分，制作样品，进行测试，然后得出最终配方。但不是让化学家在几天内只做几次迭代，我们的系统可以在同一时间跨度内连续进行数百次迭代。在研究人员开发的系统中，优化算法完成了大部分试验错误发现过程。材料开发人员选择一些成分，将其化学成分的详细信息输入算法，并定义新材料应具有的机械性能。该算法然后增加和减少这些成分的数量（如转动放大器上的旋钮），并在得出理想组合之前检查每种配方如何影响材料的特性。开发人员然后混合、处理和测试该样品以了解材料的实际性能。开发人员将结果报告给算法，它会自动从实验中学习并使用新信息来决定要测试的另一个配方。研究人员创建了一个免费和开源的材料选择名为AutoOED的优化平台包含相同的优化算法。AutoOED是一个完整的软件包，还允许研究人员执行自己的优化。研究人员对该系统进行了测试，使用它来优化一种新的3D打印墨水的配方，这种墨水在暴露于紫外线时会变硬。他们确定了配方中使用的六种化学品，并将算法的目标设定为发现在韧性、压缩模量（硬度）和强度方面表现最佳的材料。
