手术刀般的炸药精准控制：LLNL用AI设计+3D打印实现

AM易道导语：爆炸失控的代价

几个事故场景：

一次采矿爆破中爆炸方向失控导致山体滑坡；

一枚航天器分离装置爆炸力度过大损坏关键设备；

或者一次建筑拆除中爆炸方向偏差引发周边建筑损毁……

这些场景中，爆炸力量的精准控制关乎生命财产安全和任务成功。

传统爆炸装药技术面临的最大挑战就是如何精确控制爆炸产生的冲击波和能量分布。

去年的一项结合人工智能与3D打印的创新研究，似乎正在解决这个问题。

劳伦斯·利弗莫尔国家实验室的研究团队在《应用物理学杂志》发表了一项研究，他们通过结合反向设计算法与多材料3D打印技术，成功实现了对爆炸装药中里奇迈尔-梅什科夫不稳定性(RMI)的精准控制。

AM易道希望这一研究能启发3D打印在特种制造领域的新的应用方向和商业机会。

探索未知的物理边界

里奇迈尔-梅什科夫不稳定性是在材料受到冲击加速时出现的界面不稳定现象，这种不稳定性在天体物理学、燃烧科学以及聚变研究中都有重要影响。

传统上，控制这类物理不稳定性被视为科学工程的重大挑战，因为它们的演变过程极为复杂且难以预测。

研究团队提出了一个大胆的设想：

通过在爆炸装药与金属衬里之间放置特殊设计的缓冲层，能否精准控制爆炸后的喷射速度？

这听起来简单，实际上却需要解决两个核心难题：如何确定最优的缓冲层几何形状，以及如何精确制造这种复杂几何形状的多材料结构？

算法驱动的反向设计

研究团队采用了遗传算法这一机器学习方法，对缓冲层的几何形状进行优化。

与直觉设计不同，算法通过不断迭代，寻找最能满足目标函数的参数组合。

在本研究中，目标函数被设定为加权平均的喷射速度与衬里平面部分速度的倒数，以此平衡降低喷射速度和保持整体推进力。

论文中的图2展示了几种缓冲层设计，令人惊讶的是，直觉上人们可能会在衬里V形顶点后放置大块缓冲材料。

但算法给出的最优设计(图2d)却是在V形顶点后只有薄薄一层缓冲材料，而在V形与平面连接处放置大块缓冲材料。

这种非直观的设计正是算法优化的魅力所在。

流体动力学模拟结果显示，这种设计能够显著降低喷射速度。

如论文图5所示，与基准设计相比，优化设计的喷射速度从5.60 km/s降低到3.51 km/s，减少了37%，而平面部分的速度仅减少20%，这与高能炸药总量减少26%相比是一个非常优化的结果。

多材料3D打印的精密制造

实现如此复杂的设计需要先进的制造技术。

研究团队采用了直接墨水写入(DIW)增材制造工艺，使用定制的3D打印机同时精确挤出高能炸药和硅胶缓冲材料。

论文图1展示了整个制造过程。

图1a显示了定制的3D打印机，配备了两个独立的材料储存器和挤出系统，能够在同一构建过程中交替沉积不同材料。

为确保打印质量，研究人员采用了多项创新技术：

首先，他们将铜衬里预先固定在模具中，然后直接在衬里上打印材料，确保良好的界面接触。

然后由于喷嘴长度有限，打印程序被分成多个高度不超过25mm的段落，逐层完成(如图1b所示)。

最后，为提高打印分辨率，硅胶的层高设为0.5mm，而爆炸物的层高为1.0mm，这种差异创造了"井"状结构，有利于填充性能更好的炸药材料。

打印完成后，部件在50°C下固化3天，然后通过X射线断层扫描进行质量检查。

爆炸实验验证设计有效性

为验证优化设计的有效性，研究团队进行了两组爆炸实验：

一组使用标准设计（无缓冲层），一组使用优化设计（有硅胶缓冲层）。

实验采用闪光X射线和光子多普勒测速法两种诊断手段捕捉爆炸过程中的材料变形和速度数据。

论文图7的X射线影像直观展示了研究团队设计的缓冲层对爆炸喷射行为的显著影响。

图中上排展示了常规装药(基准实验)的爆炸过程，下排展示了带有优化设计缓冲层的装药爆炸过程。

最关键的差异体现在第三组图像中：

基准实验的喷射体明显超前于平面区域，呈现出强烈的不稳定性特征；而优化设计中，喷射体与平面区域前端几乎在同一直线上，证明缓冲层成功抑制了里奇迈尔-梅什科夫不稳定性。

X射线测量显示，基准实验的喷射速度达到4.9 km/s，而优化设计中仅为2.7 km/s，降低了约45%，远超过高能炸药减少的26%比例，这是缓冲层设计有效性的直接物理证据。

测速数据(图8)进一步证实了这一结论。

基准实验中的最大喷射速度达到4.3 km/s，而优化设计中最高只有2.8 km/s，降低了约35%。

这与模拟预测的结果非常接近，验证了优化设计的有效性。

3D打印在特种制造中的新机遇

AM易道认为，这项研究不仅在学术上具有重要价值，更为3D打印在特种制造领域开辟了广阔前景。

这项技术为国防和太空探索等领域提供了新的解决方案。

通过精确控制爆炸力量的方向和强度，可以开发更高效、更安全的推进系统和分离装置。

在民用领域，这种技术也可应用于采矿、拆除和特种工程等领域，提高操作精度和安全性。

研究证明了多材料3D打印在功能性结构制造中的独特优势。

传统制造方法难以实现如此复杂的几何形状和材料分布，而3D打印不仅可以制造，更可以根据功能需求进行精确优化。

最后，算法驱动的反向设计与3D打印的结合代表了制造业的未来方向。

人工智能可以发现人类直觉无法想象的最优解，而3D打印则能将这些看似不可制造的设计变为现实。

结语：挑战与商业新机会

在实验中，研究人员发现硅胶材料中的气泡会影响打印质量，铜衬里的表面光洁度也会影响测速数据的信噪比。

这些问题还需逐步优化。

AM易道认为，这项研究还引发了一些深入的思考：

当人工智能给出的最优设计与人类直觉相悖时，我们如何理解和反求这些反直觉设计的正向方法论？

在涉及安全关键应用时，如何用3D打印快速高效的验证和确保AI设计的可靠性？

未来，随着计算能力的提升和3D打印技术的进步，这种方法有望应用于更复杂的物理现象控制。

在3D打印市场竞争日益激烈的今天，寻找高附加值、难以被复制的应用场景至关重要。

将3D打印技术与AI结合用于解决复杂物理问题从而创造独特的市场价值和竞争优势可能是一条正向反馈的大道。

论文来源：

Dylan J. Kline等，"Reducing Richtmyer–Meshkov instability jet velocity via inverse design"，Journal of Applied Physics 135, 074902 (2024)；https://doi.org/10.1063/5.0180712

注：AM易道建议读者星标公众号，以便第一时间收到AM易道的更新。AM易道与文中提到公司尚不存在任何形式的商业合作、赞助、雇佣等利益关联。AM易道图片视频来自于网络，仅作为辅助阅读之用途，无商业目的。版权归原作者所有，如有任何侵权行为，请权利人及时联系，我们将在第一时间删除。本文图片版权归版权方所有，AM易道水印为自动添加，用于辅助阅读，不代表对该图片拥有版权，如需使用图片，请自行咨询版权相关方。