3D打印新材料

沈建苗

“一切都要从头开始，我们要用什么材料来制造产品？”

在位于加利福尼亚州马里布的HRL实验室，材料科学家亨特·马丁（Hunter Martin）及其团队，将细如糖粉的灰粉末倒进一台机器里。几小时内，这台机器就可以打印出一块“小方蛋糕”。粉末配方经过了他们精心挑选，细到原子层面：以铝元素为主，混有另外一些元素。这台机器是3D金属打印机，每次洒出一层粉末，而上面的激光器将每一层焊起来。

HRL的两家母公司波音和通用汽车，希望为其造型优美的新一代飞机和汽车大批量3D打印精密的金属部件。空中客车公司已经在商用飞机上安装了有史以来第一个3D打印的金属部件，连接在机翼上的支架上。不过马丁表示，这种技术受到当今金属粉末质量的制约。大多数实用合金之所以打印不了，是由于粉末颗粒中的原子无法正确堆叠，导致焊接起来不牢固。

于是，马丁的团队设法搞清楚了如何改变一种高强度合金的配方，以便与3D打印机兼容，这个团队主要在波音和通用汽车前瞻性的HRL传感器及材料实验室工作。他们的秘密武器是，总部位于湾区的Citrine Informatics公司开发的一款机器学习软件。事实证明，算法可学习足够的化学知识，弄清楚波音应该在下一个飞机机身中使用什么材料。

马丁测试原型块花了整整两年多的时间，他的团队查遍了周期表，列出了1000万种可能的配方以改善粉末质量。然后他们要使用Citrine的机器学习算法，搞清楚试用哪几种。

许多公司升级产品（下一批普锐斯汽车、智能手机或雨衣）时，首先考虑如何升级用来制造这些产品的材料。它们可能会提高质量，比如为iPhone制造一种更坚硬的玻璃，或者搞清楚如何制造更便宜的电池。卡内基·梅隆大学的材料科学家利兹·霍尔姆（Liz Holm）过去与Citrine合作过，他说：“一切都要从头开始，我们要用什么材料来制造产品？”

不过在过去，这个过程很耗费时间？？。如果你在试图制造更高效的LED，就会利用材料科学方面多年来的经验，挑选一种初始的半导体配方，然后数年如一日地不断调整和改进，直到材料符合所有既定的标准。Citrine的首席执行官格雷格·马尔霍兰（Greg Mulholland）说：“你知道科学的方法。你提出一个假设，加以测试，然后得出一番结论。之后周而复始。”

于是在2013年，马尔霍兰还在商学院时，他与Citrine的联合创始人布赖斯·梅雷迪格（Bryce Meredig）和凯尔·米歇尔（Kyle Michel）认为可以加快这个过程。一个关键的步骤就是，选择大致正确的第一个配方，而这通常需要一位经验丰富、多年处理类似材料的研究人员的帮助。但是何不借助几十年来不断馈送实验数据的算法，而不是依赖一名科学家的有限经验？

为了开发这种算法，他们不得不从那几十年的实验中搜集数据，他们编写软件来扫描和转换印在另一个时代的笨重参考书上的数据。他们将超级计算机模擬奇异晶体的结果馈送给算法。他们开发了一个友好的用户界面，那样研究人员可以从下拉菜单和切换按钮中选择，描述他们想要的材料类型。除了HRL外，Citrine团队在过去四年还与松下、美国国防高级研究计划局（DARPA）和多个国家实验室等客户有过合作。

但是即便如此，材料科学项目还是缺乏数据。马尔霍兰说：“我们必须另辟蹊径，才能真正最大限度地利用可用的数据。”比如说不像谷歌翻译使用的算法用数百万单词加以训练，新一类材料可能只有1000个或更少的数据点。一些公司想要使用几年前才发现的材料。为了让算法支持更多种类的材料，马尔霍兰的团队教算法学会物理和化学方面的一般规则。

有时他们甚至不得不求助于手写的数据。马尔霍兰说：“有时我们必须扫描客户的纸张和笔记本，这确实很糟糕。通常类似我的实验室笔记本以前的那个样子。这是一系列难以看清楚的笔记。”

幸好，有了马丁的团队相助，他们不必费那么大的劲。Citrine的首席科学家梅雷迪格在研究生院作演讲时，马丁才对Citrine有所了解。他们发现，Citrine可以预测在合金中添加什么原子来提高可焊接性。比如说，该算法可以大致算出原子的最佳大小以及它们需要形成的化学键的类型。软件帮助马丁的团队将1000万种提议的配方缩减至易于管理的100种配方。这个过程通常在实验室中进行，需要多轮试验。马丁说：“原来要花几年，现在缩短至仅仅几天。”

使用那些新的粉末配方，他们打印出了几个原型块，并测试了强度。他们在显微镜下仔细分析原型块，并用数千磅力来拉伸，这些块都通过了测试。

伊利诺伊大学厄巴纳-尚佩恩分校的威廉·保罗·金（William Paul King）并没有参与这项研究，他表示，尽管Citrine软件很智能化，还是不会取代人类的专长。马丁的团队还做不到只需告诉软件，“搞定这个不可焊接的粉末！”他们得明确告诉算法，他们在寻找什么样的化学属性。金说：“这需要他们拥有过硬的专长。”

相反，材料科学家可以更充分地利用几十年来积累起来的系统知识。马尔霍兰说：“不应该花100年的时间来解答这些材料科学问题，应该只要花5年至10年，在某些情况下甚至更短。”说到解答马丁的3D打印问题，Citrine更是将这个时间缩短至几天。endprint