HP 利用 NVIDIA AI 加速金屬 3D 打印

2024 年 7 月 27 日，南極熊獲悉，惠普 (HP) 的 3D 打印部門利用 NVIDIA 的開源人工智能工具 Modulus 成功地優(yōu)化了 3D 打印流程。Modulus 利用物理信息神經(jīng)網(wǎng)絡 (PINN) 將物理定律整合進機器學習模型中，提高了制造效率和準確性。


惠普利用這項技術開發(fā)了一款名為 Virtual Foundry Graphnet 的軟件工具來預測并優(yōu)化金屬燒結過程。這款工具通過準確預測金屬粉末在 3D 打印過程中的行為來幫助簡化生產(chǎn)流程，制造商可以優(yōu)化生產(chǎn)流程，減少錯誤和缺陷，提高零件的質(zhì)量。

Virtual Foundry Graphnet 利用圖神經(jīng)網(wǎng)絡，能夠預測金屬燒結過程中部件的變形——這是一個以顯著變形著稱的關鍵步驟。AI 模型可以快速模擬這些行為，提供精確預測并加速整個過程。


△ 在 HP Metal Jet 打印中模擬復雜的金屬燒結過程對于優(yōu)化產(chǎn)量至關重要

經(jīng)過良好訓練的金屬燒結神經(jīng)網(wǎng)絡模型只需幾秒鐘即可預測最終的變形值，使整個過程變得更加迅速高效。此外，通過公開分享其工作成果，惠普幫助其他制造商進行創(chuàng)新和改進，讓先進的 AI 工具對行業(yè)內(nèi)的所有人受益。

惠普 3D 打印部門在 Virtual Foundry Graphnet 方面取得的創(chuàng)新進展在最近的一篇論文中進行了詳細描述，題為《用于金屬燒結變形預測的 Virtual Foundry Graphnet》。這篇由惠普團隊撰寫的論文討論了圖深度學習的設計與應用，旨在預測金屬燒結過程中部件的變形。研究強調(diào)了這一先進模型相比于傳統(tǒng)方法在加快模擬時間方面的優(yōu)勢。


△ 斯坦福龍測試模型

研究人員利用圖深度學習構建了 Virtual Foundry Graphnet 模型，能在體素級別上大幅加速變形模擬，精度達到單個燒結步驟 0.7 微米、完整周期 0.3 毫米。這些進步主要歸功于 AI 模型快速而精確的預測。研究作者包括惠普研究工程師 Rachel Chen、Chuang Gan、Jun Zeng 和 Zijiang Yang，以及 NVIDIA 高級軟件工程師 Mohammad Nabian 和機器學習工程師 Meta Juheon Lee 等。

惠普對開源創(chuàng)新的承諾在其對 NVIDIA Modulus 平臺的貢獻中得到了體現(xiàn)。通過向更廣泛的制造業(yè)社區(qū)開放 Virtual Foundry Graphnet，惠普鼓勵合作并加速物理信息深度學習應用的發(fā)展。惠普數(shù)字孿生團隊還為其制造數(shù)字孿生開發(fā)了創(chuàng)新的物理深度學習模型，并將其貢獻給 Modulus 平臺。這種數(shù)字孿生技術使工藝工程師能夠預測和優(yōu)化設計參數(shù)以及工藝控制參數(shù)，從而改善零件質(zhì)量和制造產(chǎn)出率。


△ 數(shù)字燒結可產(chǎn)生改進的設計，以補償制造過程中引起的零件變形

惠普有著悠久的技術創(chuàng)新歷史，包括最近開發(fā)的 HP Metal Jet，這是一種金屬增材制造系統(tǒng)，能提供工業(yè)級別的吞吐量和質(zhì)量，以制造超越傳統(tǒng)制造能力的新穎 3D金屬零件。作為數(shù)字孿生項目的一部分，惠普使用 Virtual Foundry Graphnet 來加速預測金屬粉末材料的相變，實現(xiàn)近實時、高保真的金屬燒結過程仿真。

使用 Virtual Foundry Graphnet 的好處十分顯著。它使生產(chǎn)過程更快更高效，這意味著產(chǎn)品可以更快地生產(chǎn)出來，成本也更低。它還能確保產(chǎn)品的高質(zhì)量。這對于必須滿足嚴格標準并向客戶交付可靠產(chǎn)品的公司來說非常重要。


△ 瞬態(tài)預測金屬燒結過程

惠普 3D 打印軟件組織的杰出技術專家 Jun Zeng 博士表示，“我們的團隊一直在根據(jù)物理原理開發(fā)物理模擬引擎，我們將實驗傳感和計量數(shù)據(jù)用于校準這些物理模型，在充分訓練并優(yōu)化后，模型有了數(shù)量級的速度提升，而且模型可以在筆記本電腦上運行。”