L’IA améliore les alliages de titane

L’IA transforme la fabrication des alliages de titane, la rendant plus rapide, plus résistante et plus précise. Traditionnellement, la production de composants en titane haute performance – utilisés dans les engins spatiaux, les sous-marins et les dispositifs médicaux – était lente et gourmande en ressources. Même avec l’impression 3D avancée, des tests approfondis étaient nécessaires pour affiner les conditions de fabrication.

Une équipe du Johns Hopkins Applied Physics Laboratory (APL) et de la Whiting School of Engineering change la donne en intégrant des techniques basées sur l’IA. Leur approche accélère la production tout en renforçant la solidité du matériau, une avancée majeure pour les secteurs de l’aérospatiale, de la défense et du médical.

« La nation a un besoin urgent d’une fabrication plus rapide pour relever les défis actuels », explique Morgan Trexler, responsable du programme des matériaux extrêmes et multifonctionnels à l’APL. « Nous faisons progresser la fabrication additive par laser pour développer des matériaux opérationnels à grande vitesse. »

L’IA révèle de nouvelles possibilités pour l’impression 3D du titane en fabrication additive

Publiés dans Additive Manufacturing, les travaux de l’équipe portent sur le Ti-6Al-4V, un alliage de titane largement utilisé pour sa résistance et sa légèreté. Grâce à des modèles basés sur l’IA, les chercheurs ont exploré des conditions inédites pour la fusion laser sur lit de poudre, une méthode d’impression 3D. Leurs résultats remettent en question des hypothèses établies, révélant une plage de traitement plus large pour produire du titane dense et de haute qualité avec des propriétés personnalisables.

« Pendant des années, nous pensions que certains paramètres étaient “interdits” car ils compromettaient la qualité », explique Brendan Croom, spécialiste des matériaux à l’APL. « L’IA nous a permis d’explorer une gamme beaucoup plus vaste, accélérant l’impression tout en maintenant, voire en améliorant, la résistance et la flexibilité. »

Ces avancées ont des implications majeures pour les industries utilisant du titane haute performance. Des composants plus solides, plus légers et plus rapides à produire pourraient révolutionner la construction navale, l’aviation et la fabrication de dispositifs médicaux. Ce travail s’inscrit également dans des efforts plus larges visant à perfectionner la fabrication additive pour les applications spatiales et de défense.

À la Whiting School of Engineering, des chercheurs comme Somnath Ghosh intègrent des simulations basées sur l’IA pour prédire le comportement des matériaux imprimés en 3D dans des conditions extrêmes. Ghosh co-dirige un institut de recherche technologique de la NASA consacré à l’utilisation de modèles computationnels avancés pour accélérer la qualification et la certification des matériaux. Cet effort complète la mission de l’APL visant à accélérer la fabrication du titane.

Un bond majeur en avant

L’APL travaille depuis longtemps à perfectionner la fabrication additive. Lorsque Steve Storck, scientifique en chef des technologies de fabrication à l’APL, a rejoint l’institution en 2015, il en a immédiatement perçu les limites. « L’un des plus grands obstacles pour le département de la Défense était la disponibilité des matériaux », explique-t-il. « Le titane était l’un des rares optimisés pour l’impression 3D, mais nous devions élargir la gamme et améliorer les paramètres de traitement. »

L’APL a développé un cadre d’optimisation rapide des matériaux, aboutissant à un brevet en 2020. En 2021, l’équipe a publié une étude sur l’impact des défauts sur les propriétés mécaniques. Ces travaux ont conduit à leur dernière avancée : l’utilisation de l’apprentissage automatique pour explorer une gamme de conditions de traitement inédite, une tâche irréalisable avec les méthodes traditionnelles d’essais et d’erreurs.

Leur approche pilotée par l’IA a mis en évidence un régime de traitement à haute densité, autrefois écarté en raison de préoccupations sur la stabilité du matériau. Grâce à des ajustements ciblés, ils ont découvert de nouvelles façons de traiter le Ti-6Al-4V, dépassant les limites de performance connues.

« Nous ne faisons pas que de petites améliorations », affirme Storck. « Nous découvrons des méthodes de traitement entièrement nouvelles qui repoussent les performances au-delà de ce que l’on pensait possible. »

L’IA révèle des schémas cachés

Les propriétés des matériaux dépendent de facteurs comme la puissance du laser, la vitesse de balayage et l’espacement des pistes. Trouver la bonne combinaison était traditionnellement un processus lent d’ajustements manuels. L’équipe a plutôt utilisé l’optimisation bayésienne, une technique d’apprentissage automatique qui prédit la meilleure expérience suivante en fonction des données précédentes.

En analysant les premiers résultats et en affinant les prédictions à chaque itération, l’IA a rapidement identifié les conditions de traitement optimales. Cela a permis aux chercheurs de tester virtuellement des milliers de configurations avant d’en sélectionner quelques-unes pour des essais physiques. Les résultats ont remis en question des croyances établies sur les réglages laser produisant les meilleures propriétés.

« Il ne s’agit pas seulement d’accélérer la production », explique Croom. « Il s’agit d’équilibrer résistance, flexibilité et efficacité. L’IA nous permet d’explorer des paramètres de traitement que nous n’aurions pas envisagés. »

Storck souligne que leur approche permet d’adapter les matériaux à des besoins spécifiques plutôt que d’appliquer une solution universelle. « Qu’il s’agisse d’un sous-marin dans l’Arctique ou d’un composant aéronautique soumis à des conditions extrêmes, nous pouvons maintenant optimiser les matériaux pour chaque défi tout en maintenant des performances optimales. »

L’élargissement du modèle d’apprentissage automatique pour prédire des comportements encore plus complexes est un objectif clé. Si les premiers travaux portaient sur la densité, la résistance et la flexibilité, l’équipe vise à modéliser la résistance à la fatigue et à la corrosion.

« Cette recherche démontre la puissance de l’IA dans la fabrication axée sur les données », ajoute Croom. « Il fallait autrefois des années pour comprendre le comportement des nouveaux matériaux dans des environnements réels. Aujourd’hui, nous pouvons acquérir ces connaissances en quelques semaines et les utiliser pour produire rapidement des alliages supérieurs. »

Le succès de cette approche ouvre la voie à des applications plus larges. Bien que l’étude se concentre sur le titane, les mêmes méthodes s’appliquent à d’autres métaux et techniques de fabrication, y compris les alliages conçus spécifiquement pour l’impression 3D.

L’avenir de la fabrication

Un domaine prometteur pour la recherche future est la surveillance in situ, permettant un suivi et des ajustements en temps réel pendant la fabrication. Storck imagine un avenir où l’impression 3D métallique sera aussi simple que l’impression 3D domestique : « Nous assistons à un changement de paradigme où les systèmes de fabrication additive s’auto-ajustent en cours d’impression, garantissant une qualité parfaite sans post-traitement intensif. »

En exploitant l’IA et les tests à haut débit, cette avancée ouvre la voie à une nouvelle génération de matériaux haute performance, avec des bénéfices considérables pour de nombreux secteurs industriels.

---

Lire l’article original : TechXplore

En savoir plus :  ChatGPT Doubled Weekly Users in Under Six Months Due to Updates