LLNL國家實(shí)驗(yàn)室的金屬增材制造加速認(rèn)證總監(jiān)Wayne King在不久前GE打造的Industry in 3D系列脫口秀訪談節(jié)目中，談到依靠人類的經(jīng)驗(yàn)來進(jìn)行加工質(zhì)量提升，這個過程是充滿痛苦和煎熬的。這種基于人的經(jīng)驗(yàn)加工技術(shù)將要被基于科學(xué)的加工技術(shù)所替代，他認(rèn)為前置反饋將要顛覆當(dāng)前的3D打印現(xiàn)狀。

      前置反饋像3D打印設(shè)備的大腦，“告訴”打印機(jī)如何做避免錯誤。利用所能得到的最新信息，進(jìn)行認(rèn)真、反復(fù)的預(yù)測，把計劃所要達(dá)到的目標(biāo)同預(yù)測相比較，并采取措施修改計劃，以使預(yù)測與計劃目標(biāo)相吻合。

神經(jīng)網(wǎng)絡(luò)的高級算法

    LLNL正在將卷積神經(jīng)網(wǎng)絡(luò)原理用于機(jī)器學(xué)習(xí)“修復(fù)”3D打印金屬零件，通過神經(jīng)網(wǎng)絡(luò)的高級算法用于實(shí)時來分析構(gòu)建質(zhì)量，并就就如何改進(jìn)構(gòu)建質(zhì)量提出建議。LLNL正在朝著一鍵打印的目標(biāo)努力。Wayne King所在的LLNL國家實(shí)驗(yàn)室從2011年就引入了3D打印技術(shù)，目前擁有200多名科學(xué)家從事增材制造工作。作為全球領(lǐng)先的3D打印增材制造研究中心之一，LLNL配有三個3D打印實(shí)驗(yàn)室，這些實(shí)驗(yàn)室所從事的是具有前沿探索以及商業(yè)化轉(zhuǎn)化價值的研究。

     多年來，勞倫斯利弗莫爾國家實(shí)驗(yàn)室的工程師們使用傳感器和成像技術(shù)來分析金屬3D打印背后的物理和過程，以便每次都能夠首次構(gòu)建高質(zhì)量的金屬零件?，F(xiàn)在，他們正在利用機(jī)器學(xué)習(xí)來實(shí)時處理3D構(gòu)建期間獲得的數(shù)據(jù)，可以在幾毫秒內(nèi)檢測構(gòu)建是否是高質(zhì)量的。更確切地說，他們正在開發(fā)卷積神經(jīng)網(wǎng)絡(luò)（CNN），這是一種通常用于處理圖像和視頻的算法，通過觀察大約每段10毫秒的視頻來預(yù)測部件是否良好。

用于下圍棋，也可用于預(yù)測3D打印結(jié)果

      根據(jù)業(yè)內(nèi)專家，卷積神經(jīng)網(wǎng)絡(luò)是近些年逐步興起的一種人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu), 因?yàn)槔镁矸e神經(jīng)網(wǎng)絡(luò)在圖像和語音識別方面能夠給出更優(yōu)預(yù)測結(jié)果, 這一種技術(shù)也被廣泛的傳播可應(yīng)用. 卷積神經(jīng)網(wǎng)絡(luò)最常被應(yīng)用的方面是計算機(jī)的圖像識別, 不過因?yàn)椴粩嗟貏?chuàng)新, 它也被應(yīng)用在視頻分析, 自然語言處理, 藥物發(fā)現(xiàn), 等等。包括Alpha Go, 讓計算機(jī)看懂圍棋, 同樣也是有運(yùn)用到這門技術(shù)。

      那么卷積神經(jīng)網(wǎng)絡(luò)的計算原理是怎樣的呢？ “卷積” 和 “神經(jīng)網(wǎng)絡(luò)”. 卷積也就是說神經(jīng)網(wǎng)絡(luò)不再是對每個像素的輸入信息做處理了,而是圖片上每一小塊像素區(qū)域進(jìn)行處理, 這種做法加強(qiáng)了圖片信息的連續(xù)性。 使得神經(jīng)網(wǎng)絡(luò)能看到圖形, 而非一個點(diǎn)。這種做法同時也加深了神經(jīng)網(wǎng)絡(luò)對圖片的理解。具體來說, 卷積神經(jīng)網(wǎng)絡(luò)有一個批量過濾器, 持續(xù)不斷的在圖片上滾動收集圖片里的信息，每一次收集的時候都只是收集一小塊像素區(qū)域，然后把收集來的信息進(jìn)行整理, 這時候整理出來的信息有了一些實(shí)際上的呈現(xiàn), 比如這時的神經(jīng)網(wǎng)絡(luò)能看到一些邊緣的圖片信息, 然后在以同樣的步驟, 用類似的批量過濾器掃過產(chǎn)生的這些邊緣信息, 神經(jīng)網(wǎng)絡(luò)從這些邊緣信息里面總結(jié)出更高層的信息結(jié)構(gòu)，比如說總結(jié)的邊緣能夠畫出眼睛，鼻子等等。再經(jīng)過一次過濾，臉部的信息也從這些眼睛鼻子的信息中被總結(jié)出來。最后我們再把這些信息套入幾層普通的全連接神經(jīng)層進(jìn)行分類，這樣就能得到輸入的圖片能被分為哪一類的結(jié)果了。

      拿粉末床金屬熔融技術(shù)來說，金屬粉末一層一層的被凝固，從而成為最終零件，在層凝固的過程中就有著與模型切片所對應(yīng)的圖像成像過程，由此說來，卷積神經(jīng)網(wǎng)絡(luò)原理用于3D打印的前饋控制是頗具發(fā)展?jié)摿Φ?/p>

制造，最終回歸于軟件與算法？

     LLNL的研究人員通過標(biāo)記每個構(gòu)建過程的高度圖的算法，然后使用相同的模型來預(yù)測構(gòu)建路徑的寬度和標(biāo)準(zhǔn)偏差。路徑是否被破壞是由一套算法來判斷的，這套算法是LLNL國家實(shí)驗(yàn)室的研究員Bodi Yuan開發(fā)的。

     此前，LLNL的一些研究人員花了數(shù)年時間收集激光粉末床熔融金屬3D打印過程的各種形式的實(shí)時數(shù)據(jù)，包括視頻，光學(xué)層析成像和聲學(xué)數(shù)據(jù)。逐漸，LLNL發(fā)現(xiàn)，如此大的數(shù)據(jù)量，不可能通過人工來進(jìn)行所有的數(shù)據(jù)分析，由此他們寄希望于神經(jīng)網(wǎng)絡(luò)是否可以簡化任務(wù)。

     根據(jù)LLNL國家實(shí)驗(yàn)室，就像人類大腦使用視覺和其他感官來導(dǎo)航世界一樣，他們希望通過機(jī)器學(xué)習(xí)分析傳感器獲取的數(shù)據(jù)來導(dǎo)航3D打印過程。據(jù)3了解，LLNL國家實(shí)驗(yàn)室開發(fā)的神經(jīng)網(wǎng)絡(luò)可以用于其他3D打印系統(tǒng)。理論上，研究人員應(yīng)該能夠遵循相同的算法，在不同條件下創(chuàng)建零件，收集視頻，以生成可用于標(biāo)準(zhǔn)機(jī)器學(xué)習(xí)技術(shù)的信息。

         目前，LLNL國家實(shí)驗(yàn)室仍然需要做一些工作來檢測零部件中的孔隙，這些部位無法通過高度圖掃描進(jìn)行預(yù)測，但可以通過非原位X射線照相技術(shù)進(jìn)行測量。除了視頻之外，研究人員還將嘗試創(chuàng)建算法以合并分析其他類型的傳感器所獲取的數(shù)據(jù)。