Vật liệu được nghiên cứu là GRCop-42, một hợp kim do NASA phát triển từ đồng, crom và niobi. Vật liệu này có khả năng dẫn nhiệt cao nhưng vẫn giữ được độ bền ở nhiệt độ cực lớn, vì vậy được sử dụng trong các hệ thống hàng không vũ trụ, trong đó có buồng đốt của động cơ tên lửa sử dụng nhiên liệu lỏng.
Tuy nhiên, GRCop-42 lại khó chế tạo bằng công nghệ in 3D. Quá trình in thường đòi hỏi laser công suất cao và tiêu tốn nhiều năng lượng. Phần lớn máy in 3D kim loại thương mại không đủ khả năng xử lý loại hợp kim này.
Vấn đề nằm ở chỗ một máy in 3D kim loại có rất nhiều thông số cần điều chỉnh: công suất laser, tốc độ quét, khoảng cách giữa các đường quét và nhiều điều kiện khác. Khi kết hợp các biến số này, số cấu hình có thể lên tới hơn 100 triệu.
Nếu thử từng cấu hình một, các nhà khoa học sẽ phải mất một lượng thời gian và tiền bạc khổng lồ. Mỗi lần in có thể tiêu tốn hàng trăm USD vật liệu, trong khi việc phân tích mẫu sau khi in có thể mất vài ngày. Một số cấu hình còn khiến vật liệu bị nóng chảy hoặc không thể tạo thành sản phẩm đúng yêu cầu.
Thay vì thử ngẫu nhiên, nhóm nghiên cứu đã để AI lựa chọn những thí nghiệm có khả năng mang lại nhiều thông tin nhất.
Ban đầu, các nhà nghiên cứu cung cấp cho hệ thống dữ liệu từ 37 cấu hình in từng thất bại trong các thí nghiệm trước đó.
Từ những dữ liệu này, AI xây dựng một mô hình dự đoán khả năng thành công của những cấu hình chưa từng được thử. Sau mỗi vòng thử nghiệm, kết quả thực tế lại được đưa trở lại cho AI để mô hình tiếp tục được cải thiện.
Điểm đặc biệt là AI không chỉ lựa chọn những phương án có vẻ chắc chắn thành công. Nó cũng chủ động thử một số cấu hình còn nhiều bất định để khám phá những khu vực chưa được biết đến trong không gian hơn 100 triệu khả năng.
Nhờ cách tiếp cận này, trong khoảng 3 tháng, các nhà khoa học chỉ tiến hành 40 thí nghiệm thực tế nhưng đã tìm được 6 cấu hình có thể in thành công GRCop-42.
Đáng chú ý nhất, một trong những cấu hình thành công hoạt động với laser công suất chỉ 500W. Đây là mức công suất thấp hơn đáng kể so với những hệ thống chuyên dụng thường được sử dụng để in loại hợp kim này.
Nhóm nghiên cứu cho rằng, phương pháp AI này còn có thể áp dụng cho nhiều loại hợp kim và quy trình sản xuất khác. Về nguyên tắc, nó đặc biệt hữu ích với những bài toán có hàng triệu hoặc hàng trăm triệu khả năng, trong khi mỗi thử nghiệm thực tế đều tốn nhiều thời gian và tiền bạc.
Nghiên cứu này cho thấy một hướng tiếp cận mới trong khoa học và kỹ thuật: thay vì để con người lần lượt thử hàng triệu khả năng, AI có thể giúp xác định nhanh những phương án tối ưu. Đặc biệt trong lĩnh vực dược phẩm, nơi các nhà nghiên cứu phải lựa chọn trong hàng triệu khả năng những ứng viên tiềm năng nhất.
