2026年7月23日，来自 IMDEA 材料研究所的研究人员与美国劳伦斯伯克利国家实验室 (LBNL) 合作，开发了一种新的AI算法，可以检测理论上相同的3D打印机器之间的运行差异，并据此选择优化策略。
△IMDEA材料研究所的 Miguel Hernández del Valle
这项研究以题为“Noise-aware optimization innominally identical
manufacturing and measuring systems for high-throughputparallel
workflows”的论文发表在《先进工程信息学》杂志上。
本研究直面了自动化制造中一个多年来一直存在的问题：同一品牌和型号的机器性能并不完全相同，由此产生的差异可能会大规模地累积成缺陷，包括在 3D 打印农场等并行生产设置中。算法系统首先对每台机器进行诊断评估，以建立单独的性能概况，然后使用统计分析来量化单元之间的变异程度。根据分析结果，系统随后对足够相似的机器应用联合优化策略，或者对检测到显著差异的每台机器应用单独的优化策略，优先考虑准确性而不是共享效率。
在三台3D打印机上进行验证
研究团队使用三台理论上完全相同的3D打印机验证了这套算法。算法检测到了机器之间可测量的差异，并确定每台机器都需要各自的优化策略，而不是共享的策略。分布分析和差异指标表明，对于本案例研究，单设备方法更优：打印颗粒的密度估计显示机器之间存在明显的差异，成对差异值也很大，表明每台打印机都在不同的输出范围内运行。
研究人员表示，应用个体优化“与平等对待所有机器（因此未能适当纠正个体偏差）相比，显著加快了收敛速度，并大幅减少了打印部件重量的误差”。研究人员表示：“即使是批量生产的机器也可能具有自己的运行‘个性’。我们的系统会学习这些差异并利用它们，从而判断将它们视为一个团队还是一个独立的个体更有效率。这不仅可以提高准确性，还可以避免实验失败，从而节省资源，这是迈向未来全自动实验室和工厂的关键一步。”
3D打印以外的应用
虽然验证研究的重点是 3D 打印，但研究人员表示，同样的方法也适用于其他基于高通量实验的领域，包括新材料的发现、化学合成和传感器校准。本研究由 IMDEA 材料研究所的 Christina Schenk 博士、Miguel Hernández del Valle、Luis Calero 和 Maciej Haranczyk 博士以及劳伦斯伯克利国家实验室的 MarcusNoack 博士共同进行。
来源：南极熊
0 留言