AI数秒内预测金属3D打印部件强度，准确度提升四倍，韩国浦项科技大学

2026年5月，南极熊获悉，韩国浦项科技大学和韩国材料科学研究院（KIMS）的研究人员开发了一种基于人工智能的分析框架，即使存在内部缺陷，也能在几秒钟内预测金属3D打印部件的机械强度。

△相关研究成果已发表在国际材料科学期刊《Acta Materialia》上，研究题目为“基于数据选择性的机器学习框架（DSML）用于预测LPBF成型AlSi10Mg合金的缺陷感知、可解释的屈服强度”（传送门）

这项研究由浦项科技大学铁质与生态材料技术研究生院及材料科学与工程系的Kim Hyeong-seop教授领导，并与KIMS的高级研究员Park Jung-min合作完成。

△Park Jung-min、项目学生Lee Jeong-ah，以及Kim Hyeong-seop

金属增材制造中的缺陷问题

激光粉末床熔融（LPBF）工艺中的层叠过程经常会产生微小的、气泡状的内部空隙，这些空隙可能成为飞机发动机或汽车组件等高要求应用部件的关键薄弱环节。然而，要量化这些空隙对结构强度的影响，需要进行大量且成本高昂的重复测试。

研究团队并没有试图消除缺陷，而是训练人工智能与缺陷协同工作。该模型接收了一个涵盖制造参数（包括激光功率和扫描速度）以及内部微观结构数据、孔隙尺寸和空间分布等信息的广泛数据集。

然后应用一种称为“数据选择性学习”的技术来识别对强度影响最大的变量，从而提高预测准确性。

△DSML框架示意图：融合工艺参数与微观结构数据，实现可解释的屈服强度预测，并经实验验证

结果可解释且准确度已验证

此框架的一个显著特点是，它能够在做出预测的同时生成人类可读的方程式，而不是像黑箱一样运行。

对广泛用于航空航天和汽车行业的铝硅镁 (Al-Si-Mg) 合金进行的验证测试表明，强度预测的平均误差为 9.51 兆帕 (MPa)，该团队表示，这一结果比现有方法准确四倍以上。

研究人员表示，这个框架可以扩展到缺陷感知设计图，使工程师能够更深入地了解组件性能如何随制造条件的变化而变化。

Kim Hyeong-seop教授总结道：“这项技术将提高金属3D打印部件的可靠性，大大加快它在航空航天和汽车等领域的商业化进程。”

重点3D打印活动通知预告

①

②