L'IA trouve un moyen moins cher d'imprimer un alliage de la NASA

Des chercheurs de l'université d'État de Washington ont utilisé un système d'IA pour explorer plus de 100 millions de configurations possibles d'impression 3D du GRCop-42, un alliage de cuivre développé par la NASA pour des pièces de moteurs de fusée, et ont trouvé six réglages qui fonctionnent sur des machines commerciales ordinaires — dont, pour la première fois, un à 500 watts de puissance laser.

Le GRCop-42, un alliage de cuivre, de chrome et de niobium, a été conçu par la NASA pour les pièces d'un moteur de fusée qui doivent accomplir deux tâches contradictoires en même temps : résister à une chaleur extrême et l'évacuer rapidement. Les revêtements de chambre de combustion et les plaques frontales d'injecteurs en sont les usages typiques, et cette famille d'alliages a déjà volé : les moteurs imprimés en 3D de Relativity Space utilisaient des alliages GRCop de la NASA. Le hic a toujours été la fabrication. Bien l'imprimer exige normalement une puissance laser très élevée, ce qui explique, selon la formule du professeur d'informatique de la WSU Jana Doppa, que "quatre-vingt-dix pour cent des imprimantes commerciales ne peuvent pas imprimer cet alliage métallique."

Ce qui en fait un résultat d'IA plutôt que de métallurgie, c'est la forme du problème de recherche. Les combinaisons de puissance laser, de vitesse de balayage, d'épaisseur de couche et des autres paramètres dépassent les 100 millions, et chaque candidate doit être imprimée physiquement avant de savoir si elle fonctionne — un test lent et coûteux. L'équipe est partie de 37 configurations ayant déjà échoué, a construit un modèle estimant les chances de succès des configurations non testées, puis lui a fait proposer de petits lots équilibrant délibérément deux objectifs : essayer des réglages prometteurs et sonder les zones incertaines pour affiner le modèle lui-même.

Le budget était de 40 expériences sur environ trois mois, dont six configurations viables ont émergé à plusieurs niveaux de puissance laser. Le gain n'est pas un meilleur alliage, mais une voie moins chère vers le même : moins de puissance signifie moins d'énergie, moins d'usure des équipements et des coûts de post-traitement réduits — et, ce que Doppa souligne, un accès pour les universités, les petits laboratoires et les entreprises qui n'ont jamais disposé des machines spécialisées de forte puissance.

Ces travaux ont été publiés dans les Proceedings of the AAAI Conference on Artificial Intelligence et ont reçu le prix de l'application déployée innovante de cette conférence. Doppa a dirigé l'équipe avec Azza Fadhel, Nathaniel Zuckschwerdt, Susmita Bose et Amit Bandyopadhyay à la WSU, ainsi qu'Aryan Deshwal à l'université du Minnesota.