医疗器械制造展Medtec了解到，惠普3D打印部门使用英伟达的开源AI工具——Modulus，改进了3D打印流程。这种人工智能利用物理信息神经网络，将物理定律整合到机器学习模型中，提高了制造效率和准确性。利用这项技术，惠普开发了Virtual Foundry Graphnet，用于预测和优化金属烧结过程。
在惠普粘合剂喷射金属3D打印中，模拟复杂的金属烧结过程对于优化产量至关重要
惠普3D打印部门利用Virtual Foundry Graphnet所取得的创新性进展在最近一篇题为Virtual Foundry Graphnet for Metal Sintering Deformation Prediction的论文中作了详细介绍。这篇论文由惠普团队撰写，讨论了基于图的深度学习模型的开发和应用，该模型旨在预测金属烧结过程中的零件变形。该研究强调，与传统方法相比，先进模型可以显著加快模拟时间。
斯坦福龙测试模型
我们的团队一直在开发基于第一原理的物理模拟引擎。利用实验传感和计量数据校准物理仿真引擎，使它们能够以制造过程的可变性为基础。经过训练和调教后的物理机器学习，就能看到数量级的速度提升，而且模型可以在笔记本电脑上运行。物理机器学习提供的这种近乎实时的预测，为许多新应用打开了大门。——惠普杰出技术专家、3D打印软件组织数字孪生工作负责人Jun Zeng博士
医疗器械制造展Medtec将在现场同期举办分论坛4：数字医疗与有源医疗器械安全技术，本次会议将围绕有源医疗器械设计方法、前沿技术及成果展开讨论，同时探讨新趋势下对有源设备电池及检测方法的新要求，及新兴产品技术的应用、未来发展。现在预登记参观参会限时免费>>>
数字烧结技术可生成改进的设计，对制造工艺引起的零件变形进行补偿
除硬件集成之外，惠普和英伟达还在人工智能和机器学习项目上开展了合作。通过利用NVIDIA的尖端人工智能平台，惠普开发出了Virtual Foundry Graphnet等创新解决方案，提高了3D打印流程的效率和准确性。这些合作彰显了两家公司的协同效应，推动了技术进步，并为行业树立了新标准。
金属烧结过程的瞬态预测
文章来源：Ringier 荣格增材制造