思考不同的波长以改进基于光敏聚合物的3D打印

随着增材制造变得越来越普遍，研究人员正在探索新方法，以确保产品与传统制造的类似产品一样坚固且更具可持续性。在匹兹堡大学，工程师们将目光投向了使用多光源和神经网络来改进这一复杂过程的精加工过程。

皮特斯旺森工程学院机械工程和材料科学助理教授赵霞云因其 在光聚合物增材制造 (PAM) 方面的研究获得了国家科学基金会 (NSF) 颁发的教师早期职业发展 (CAREER) 奖。该技术利用两种光分别固化光敏材料并抑制相关的过度固化，从而允许制造比现有 PAM 技术具有更高分辨率和更高精度的组件。

尽管具有潜力，但 PAM 仍然存在过度固化这一棘手问题，这会损害打印部件的结构完整性。为期五年的 657,610 美元奖金将支持 Zhao 开发一种智能、新颖的数字光处理 ( DLP ) 方法，该方法利用 第二 波长光引起的光抑制来 抑制 固化部件 (DLP 2Curb )。这一过程将使研究人员能够控制 PAM 加工的固化和曝光，以提高打印部件的精度和强度。拟议的 DLP 2Curb网络物理系统 将促进快速、智能、精确、广泛、可持续和变革性 (RIPEST) PAM 的实现——这将提高打印部件的几何保真度和功能完整性。

“通常，我们使用单一波长的光来固化聚合物，但这种新方法将使用两种波长——一种用于固化材料，另一种用于防止材料过度膨胀到周围区域，”赵解释道。“通过这种方式，我们可以提高三个维度的精度和分辨率，不仅可以提高打印速度，还可以优化打印材料的横向和垂直轮廓。”

如果成功，这项研究将对一系列应用产生重大影响，包括生物芯片、电极、软体机器人、超材料以及其他需要精密制造具有复杂形状和增强性能的零件的应用。

赵的研究分为三个主要阶段。首先，她和她的团队将尝试了解 DLP 2Curb 工艺的工作原理以及不同材料在这些条件下的表现。这项工作将涉及创建一个数字双胞胎——一个复杂的计算机模型，可以模拟对过程或材料进行的调整将如何改变结果。在第二部分，她将使用干涉仪和超声波监测系统等工具实时观察材料以表征 PAM。第三部分也是最后一部分，赵将开发一种实时控制过程的方法，使用深度强化学习模型预测和现场测量来指导打印过程。

“在打印时使用单一波长来固化聚合物已经很复杂了。增加一秒钟会增加复杂性，但我们可以使用机器学习来提高我们的准确性并加快我们的进度，”Zhao 解释道。“传统的机器学习计算需要时间，而且还不够快，无法进行实时控制，但作为该项目的一部分，我们基于最先进的物理信息神经网络开发的数字双胞胎将有所帮助我们在努力中。”

除了对制造业的科学贡献外，Zhao 的 CAREER 奖还将提供教育活动，旨在培训未来的领导者从事与制造业相关的职业并使 STEM 劳动力多样化。作为她广泛的外展计划之一，赵计划与卡内基科学中心合作举办夏令营，向学生传授人工智能和和计量辅助增材制造知识，并让他们亲身体验用于制造的 3D 打印。