A Washington Állami Egyetem kutatói új gépitanulás-algoritmussal javítottak bonyolult anyagok eredményes 3D nyomtathatóságán, a gyártás hatékonyságán. A technológiával így lehetővé válik összetettebb tervek kivitelezése. Eddig ritka vagy egyáltalán nem látott nyomatokra gondoljunk: mesterséges szervek, rugalmas elektronikai cuccok, magunkon viselhető bioszenzorok stb.

A kutatás részeként az algoritmus megtanulta, hogyan azonosítsa a legjobb vese- és prosztatamodelleket, majd segítségével a printer ideális minőségben nyomtatta ki azokat. Összesen hatvanat, a minőségük fokozatosan, nyomatról nyomatra javult.

Az eredmény optimalizálható, idő, pénz és munka spórolható meg – nyugtázták elégedetten a kutatók.

3D nyomtatásprojektek korrekt beállításait nem könnyű kidolgozni, a folyamat nehézkes és hatékonynak sem nevezhető. Rengeteg a lehetséges kombináció, minden egyes próba időbe és pénzbe kerül.

A kutatók évek óta fejlesztik emberi szervek komplex, életszerű nyomtatott modelljeit. Sebészek gyakorolhatnak rajtuk, implantátumokat értékelhetnek ki. Csakhogy a modelleknek a valódi szerv mechanikus és fizikai tulajdonságaival is rendelkezniük kell: vénákkal, artériákkal és más részletezett szerkezetekkel.

Bayesi optimalizálással igyekeztek megtalálni az ideális 3DP (3D printing) beállításokat. Három dolgot sikerrel értek el: a modell mértani pontosságát, tömegét és hogy mennyire porózus, valamint a nyomtatási időt.

Az interdiszciplináris megközelítésnek köszönhetően találtak egyensúlyt a változatos célok megvalósításában, és értek el a laboron kívülre mutató, a valóságban is hasznosítható eredményeket – állítják.

Mivel az algoritmus általánosítható, prosztatamodell printelése után némi finomhangolással, vesére is tudták alkalmazni. Ez azt jelenti, hogy más biomedikális műszerek, sőt, más területek eszközei is előállíthatók vele.