ホームページ テクノロジー周辺機器 AI AI を使用して積層造形エラーをリアルタイムで修正する

AI を使用して積層造形エラーをリアルタイムで修正する

Apr 12, 2023 pm 05:13 PM
AI 機械学習 3Dプリンタ

マサチューセッツ工科大学 (MIT) の研究者は、3D プリント プロセスを監視および調整してエラーをリアルタイムで修正する機械学習モデルをトレーニングしました。

3D プリントに使用できる新しい素材は常に開発されていますが、それらを使ってプリントする方法を見つけるのは複雑でコストのかかるパズルになる可能性があります。通常、オペレータは、新しい材料を一貫して効率的に印刷するための理想的なパラメータを決定するために、手動で試行錯誤を行う必要があり、場合によっては数千回の印刷を実行する必要があります。

MIT の研究者は、人工知能を使用してプロセスを合理化しました。同庁の科学者は、コンピュータービジョンを使用して製造プロセスを観察し、材料の取り扱い方法のエラーをリアルタイムで修正できる新しい機械学習システムを開発した。

彼らはシミュレーションを使用して、エラーを最小限に抑えるために印刷パラメータを調整する方法をニューラル ネットワークに学習させ、そのコントローラーを実際の 3D プリンターに適用しました。新しいシステムは、他の既存の 3D 印刷コントローラーよりも正確にオブジェクトを印刷できます。

この作業により、ニューラル ネットワークをトレーニングするために数千または数百万の実際のオブジェクトを印刷するという高価なプロセスが回避されます。これにより、エンジニアは新しい材料を 3D プリント製品に組み込むことが容易になり、特殊な電気的または化学的特性を備えた製品の開発に役立つ可能性があります。また、材料や環境条件が予期せず変化した場合に、技術者が印刷プロセスを調整するのにも役立ちます。

「このプロジェクトは、複雑な制御戦略を学習するために機械学習を使用する製造システムを構築する最初のデモンストレーションです」と、このプロジェクトを主導した MIT の電気工学およびコンピュータ サイエンスの教授である Wojciech Matusik 氏は述べています。職場の変化する状況にリアルタイムで適応して生産量やシステムの精度を向上できる、よりスマートな製造装置があれば、機械からより多くの価値を引き出すことができます。」

##パラメータを選択

デジタル製造プロセスの理想的なパラメーターの決定は、多くの試行錯誤が必要となるため、プロセスの中で最もコストがかかる部分の 1 つとなります。技術者が適切に機能する組み合わせを見つけると、これらのパラメータは特定の状況にのみ適用されます。彼らは、材料が他の環境、異なるハードウェア、または異なる特性を示す材料の新しいバッチで動作するかどうかに関するデータをほとんど持っていません。

機械学習システムの使用には課題​​もたくさんあります。まず、研究者は 3D プリンターで何が起こっているかをリアルタイムで測定する必要があります。

これを実現するために、研究者らは、3D プリンターのノズルに向けた 2 台のカメラを使用するマシン ビジョン システムを開発しました。このシステムは、堆積中の材料に光を当て、通過する光の量に基づいて材料の厚さを計算します。 「視覚システムは、このプロセスをリアルタイムで観察する一対の目と考えることができます」とフォシー氏は言う。

コントローラは、ビジョン システムから受け取った画像を処理し、検出されたエラーに基づいてプリンタの送り速度と方向を調整します。

しかし、この製造プロセスを理解するためにニューラル ネットワーク ベースのコントローラーをトレーニングするには、データ集約型であり、何百万枚もの印刷が必要です。そこで研究者たちはシミュレーターを構築しました。

成功したシミュレーション

コントローラーをより適切にトレーニングするために、強化学習と呼ばれるプロセスが使用されました。モデルは試行錯誤を通じて学習し、報われます。モデルのタスクは、シミュレーション環境で特定のオブジェクトを作成するために印刷パラメーターを選択することです。予想される出力を表示した後、モデルは、その出力と予想される結果の間の誤差を最小限に抑えるパラメーターを選択すると報酬を受け取ります。

この場合、「エラー」とは、モデルがマテリアルを割り当てすぎて、開いたままにしておくべき領域にマテリアルを配置したか、または十分なマテリアルを割り当てず、下の空きスポットが残ったことを意味します。満たされる必要があります。モデルはより多くのシミュレートされたプリントを実行するにつれて、報酬を最大化するために制御戦略を更新し、ますます正確になります。

しかし、現実の世界はシミュレーションよりも厄介です。実際には、印刷プロセスにおける小さな変化やノイズによって条件が変化することがよくあります。そこで研究者らは、3D プリンターからのノイズを近似する数値モデルを作成しました。彼らはこのモデルを使用してシミュレーションにノイズを追加し、より現実的な結果を生成しました。

AI を使用して積層造形エラーをリアルタイムで修正する

「このノイズ モデルを実装することで、純粋にシミュレーションでトレーニングされたコントロールを変換できることが興味深いことがわかりました。 「トレーニングのための物理的な実験を行うことなく、ハードウェアに転送されます。」と Foshey 氏は言います。「その後、実際のデバイスで微調整を行う必要はありません。」

Whenコントローラーのテスト 以前に評価した他の制御方法よりも正確にオブジェクトを印刷します。オブジェクトの内部を印刷する埋め込み印刷で特に優れたパフォーマンスを発揮します。他のコントローラーの中には、印刷物が盛り上がるほど多くの材料を堆積させたものもありましたが、研究者のコントローラーは、物体が水平に保たれるように印刷経路を調整しました。

彼らの制御戦略は、堆積後に材料がどのように広がるかを理解し、それに応じてパラメータを調整することもできます。 ############自動調整#########

「さまざまな種類の材料を動的に制御できる制御戦略を設計することもできます。そのため、現場で製造プロセスがあり、材料を変更したい場合でも、製造プロセスを再検証する必要はありません。新しいマテリアルをロードするだけで、コントローラーが自動的に調整します」と Foshey 氏は言いました。

3D プリンティングにおけるこの技術の有効性が実証されたので、研究者らは他の製造プロセス用のコントローラーを開発したいと考えています。また、複数のマテリアルのレイヤーを処理したり、複数のマテリアルを同時に印刷したりするためにこの方法をどのように変更できるかについても知りたいと考えています。さらに、彼らの手法では各材料の粘度が一定であることを前提としていますが、将来の反復では AI を使用してリアルタイムで粘度を特定し、調整する可能性があります。

MIT には積層造形における長い歴史があり、Desktop Metal や VulcanForms などの大手 3D プリンティング会社をいくつか生み出してきました。この研究は、FWF Lise-Meitner プログラム、欧州研究評議会開始助成金、および国立科学財団によって部分的に支援されました。

以上がAI を使用して積層造形エラーをリアルタイムで修正するの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

Bytedance Cutting が SVIP スーパー メンバーシップを開始: 継続的な年間サブスクリプションは 499 元で、さまざまな AI 機能を提供 Bytedance Cutting が SVIP スーパー メンバーシップを開始: 継続的な年間サブスクリプションは 499 元で、さまざまな AI 機能を提供 Jun 28, 2024 am 03:51 AM

このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

Rag と Sem-Rag を使用したコンテキスト拡張 AI コーディング アシスタント Rag と Sem-Rag を使用したコンテキスト拡張 AI コーディング アシスタント Jun 10, 2024 am 11:08 AM

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

微調整によって本当に LLM が新しいことを学習できるようになるのでしょうか: 新しい知識を導入すると、モデルがより多くの幻覚を生成する可能性があります 微調整によって本当に LLM が新しいことを学習できるようになるのでしょうか: 新しい知識を導入すると、モデルがより多くの幻覚を生成する可能性があります Jun 11, 2024 pm 03:57 PM

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

GenAI および LLM の技術面接に関する 7 つのクールな質問 GenAI および LLM の技術面接に関する 7 つのクールな質問 Jun 07, 2024 am 10:06 AM

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。 新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。 Jul 25, 2024 am 06:42 AM

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

あなたが知らない機械学習の 5 つの流派 あなたが知らない機械学習の 5 つの流派 Jun 05, 2024 pm 08:51 PM

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

SOTA パフォーマンス、厦門マルチモーダルタンパク質-リガンド親和性予測 AI 手法、初めて分子表面情報を結合 SOTA パフォーマンス、厦門マルチモーダルタンパク質-リガンド親和性予測 AI 手法、初めて分子表面情報を結合 Jul 17, 2024 pm 06:37 PM

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性​​を実証しています。 「S」で始まる関連研究

AIなどの市場を開拓するグローバルファウンドリーズがタゴール・テクノロジーの窒化ガリウム技術と関連チームを買収 AIなどの市場を開拓するグローバルファウンドリーズがタゴール・テクノロジーの窒化ガリウム技術と関連チームを買収 Jul 15, 2024 pm 12:21 PM

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G

See all articles