据Phys.org网10月15日消息，麻省理工学院的研究人员开发了一种数据驱动的过程，该过程使用机器学习来优化具有多种特性（如韧性和抗压强度）的新型3D打印材料。在研究人员开发的系统中，优化算法执行了大部分试错发现过程。材料开发者选择几个成分，将其化学组合物的细节输入算法中，并定义新材料应该有的机械性能，算法会增减成分并在达到理想组合之前检查每个公式如何影响材料的属性。然后研究人员混合、处理和测试样品，以了解材料的实际性能，并将结果反馈给算法，算法会自动从实验结果中学习并使用新信息来决定要测试的另一个配方。研究人员使用该系统来优化新3D打印墨水的配方，确定了在配方中使用的六种化学品，并设定了算法的目标，以发现在韧性、压缩模量（刚度）和强度方面表现最佳的材料。算法仅在测试了120个样品后，就得出了12种性能最佳的材料，这些材料在三种不同属性之间进行了最佳权衡。相关研究结果发表在《科学进展》期刊上。

消息来源：https://phys.org/news/2021-10-machine-learning-discovery-materials-3d.html