La recherche basée sur l’IA rend l’impression 3D en titane plus rapide, plus solide et plus efficace, transformant ainsi la fabrication aérospatiale et de défense.
La production de pièces en alliage de titane hautes performances —que ce soit pour des engins spatiaux, des sous-marins ou des dispositifs médicaux— est traditionnellement un processus lent et gourmand en ressources. Même avec l’impression 3D avancée sur métal, la détermination des conditions de fabrication optimales a nécessité de nombreux essais et erreurs.
Mais que se passerait-il si ces pièces pouvaient être fabriquées plus rapidement, plus solidement et avec une précision presque parfaite ?
Une équipe de recherche du Johns Hopkins Applied Physics Laboratory (APL) et de la Whiting School of Engineering utilise l’intelligence artificielle pour transformer cette possibilité en réalité. En identifiant des techniques de traitement améliorées, ils ont amélioré à la fois la vitesse de production et la résistance des matériaux —une innovation aux applications de grande envergure, des profondeurs océaniques à l’espace.
“La nation est confrontée à un besoin urgent d’accélérer la fabrication pour répondre aux demandes des conflits actuels et futurs”, a déclaré Morgan Trexler, responsable du programme Science des matériaux extrêmes et multifonctionnels dans la zone de mission de recherche et de développement exploratoire de l’APL. “Chez APL, nous faisons progresser la recherche sur la fabrication additive à base de laser pour développer rapidement des matériaux prêts à la mission, garantissant ainsi que la production suit le rythme de l’évolution des défis opérationnels.”
Les résultats, récemment publiés dans la revue Additive Manufacturing, se concentrent sur le Ti-6Al-4V, un alliage de titane largement utilisé connu pour sa haute résistance et son faible poids. L’équipe a exploité des modèles basés sur l’IA pour cartographier des conditions de fabrication jusqu’alors inexplorées pour la fusion sur lit de poudre laser, une méthode d’impression 3D du métal. Les résultats remettent en question les hypothèses de longue date sur les limites du processus, révélant une fenêtre de traitement plus large pour produire du titane dense et de haute qualité avec des propriétés mécaniques personnalisables.
Cette découverte offre une nouvelle façon de penser le traitement des matériaux, a déclaré le co-auteur Brendan Croom.
“Pendant des années, nous avons supposé que certains paramètres de traitement étaient ‘interdits’ pour tous les matériaux car ils entraîneraient un produit final de mauvaise qualité”, a déclaré Croom, scientifique principal des matériaux chez APL. “Mais en utilisant l’IA pour explorer toute la gamme des possibilités, nous avons découvert de nouvelles régions de traitement qui permettent une impression plus rapide tout en maintenant — ou même en améliorant — la résistance et la ductilité du matériau, la capacité de s’étirer ou de se déformer sans se casser. Désormais, les ingénieurs peuvent sélectionner les paramètres de traitement optimaux en fonction de leurs besoins spécifiques.”
Ces résultats sont prometteurs pour les industries qui s’appuient sur des pièces en titane hautes performances. La capacité de fabriquer des composants plus solides et plus légers à des vitesses plus élevées pourrait améliorer l’efficacité de la construction navale, de l’aviation et des dispositifs médicaux. Il contribue également à un effort plus large visant à faire progresser la fabrication additive pour l’aérospatiale et la défense.
Des chercheurs de la Whiting School of Engineering, dont Somnath Ghosh, intègrent des simulations basées sur l’IA pour mieux prédire les performances des matériaux fabriqués de manière additive dans des environnements extrêmes. Ghosh codirige l’un des deux instituts de recherche en technologie spatiale (STRI) de la NASA, une collaboration entre Johns Hopkins et Carnegie Mellon axée sur le développement de modèles informatiques avancés pour accélérer la qualification et la certification des matériaux. L’objectif est de réduire le temps nécessaire à la conception, au test et à la validation de nouveaux matériaux pour les applications spatiales — un défi qui s’aligne étroitement sur les efforts d’APL pour affiner et accélérer la fabrication du titane.
Un grand pas en avant
Cette avancée s’appuie sur des années de travail chez APL pour faire progresser la fabrication additive. Lorsque Steve Storck, scientifique en chef des technologies de fabrication au sein du département de recherche et de développement exploratoire de l’APL, est arrivé au laboratoire en 2015, il a reconnu que cette pratique avait ses limites.
“À l’époque, l’un des plus grands obstacles à l’utilisation de la fabrication additive au sein du ministère de la Défense était la disponibilité des matériaux — chaque conception nécessitait un matériau spécifique, mais des conditions de traitement robustes n’existaient pas pour la plupart d’entre elles”, se souvient Storck. “Le titane était l’un des rares à répondre aux besoins du DoD et à avoir été optimisé pour égaler ou dépasser les performances de fabrication traditionnelles. Nous savions que nous devions élargir la gamme de matériaux et affiner les paramètres de traitement pour libérer pleinement le potentiel de la fabrication additive.”
APL a passé des années à perfectionner la fabrication additive, en se concentrant sur le contrôle des défauts et les performances des matériaux. En 2021, l’équipe APL a publié une étude dans le Johns Hopkins APL Technical Digest examinant l’impact des défauts sur les propriétés mécaniques. À la même époque, l’équipe de Storck développait un cadre d’optimisation rapide des matériaux, un effort qui a conduit à un brevet déposé en 2020.
Ce cadre, conçu pour accélérer considérablement l’optimisation des conditions de traitement, a fourni une base solide pour la dernière étude. S’appuyant sur ces bases, l’équipe a exploité l’apprentissage automatique pour explorer une gamme sans précédent de paramètres de traitement, ce qui aurait été peu pratique avec les méthodes traditionnelles d’essais et d’erreurs.
L’approche a révélé un régime de traitement à haute densité précédemment abandonné en raison de préoccupations concernant l’instabilité des matériaux. Grâce à des ajustements ciblés, l’équipe a débloqué de nouvelles façons de traiter le Ti-6Al-4V, optimisé depuis longtemps pour la fusion sur lit de poudre laser.
“Nous n’apportons pas seulement des améliorations progressives”, a déclaré Storck. “Nous trouvons des façons entièrement nouvelles de traiter ces matériaux, libérant ainsi des capacités qui n’étaient pas envisagées auparavant. En peu de temps, nous avons découvert des conditions de traitement qui poussaient les performances au-delà de ce que l’on pensait possible.”
L’IA trouve les modèles cachés
Les propriétés du titane, comme celles de tous les matériaux, peuvent être affectées par la manière dont le matériau est traité. La puissance du laser, la vitesse de balayage et l’espacement entre les pistes laser déterminent la manière dont le matériau se solidifie — s’il devient solide et flexible ou cassant et défectueux. Traditionnellement, trouver la bonne combinaison nécessitait des tests lents par essais et erreurs.
Au lieu d’ajuster manuellement les paramètres et d’attendre les résultats, l’équipe a formé des modèles d’IA à l’aide de l’optimisation bayésienne, une technique d’apprentissage automatique qui prédit la prochaine expérience la plus prometteuse sur la base de données antérieures. En analysant les premiers résultats des tests et en affinant ses prédictions à chaque itération, l’IA s’est rapidement concentrée sur les meilleures conditions de traitement, permettant aux chercheurs d’explorer virtuellement des milliers de configurations avant d’en tester une poignée en laboratoire.
Cette approche a permis à l’équipe d’identifier rapidement des paramètres jusqu’alors inutilisés, dont certains avaient été rejetés dans la fabrication traditionnelle, qui pourraient produire du titane plus résistant et plus dense. Les résultats ont renversé les hypothèses de longue date selon lesquelles les paramètres laser produisent les meilleures propriétés matérielles.
“Il ne s’agit pas seulement de fabriquer des pièces plus rapidement”, a déclaré Croom. “Il s’agit de trouver le bon équilibre entre force, flexibilité et efficacité. L’IA nous aide à explorer des régions de traitement que nous n’aurions pas envisagées par nous-mêmes.”
Storck a souligné que l’approche va au-delà de l’amélioration de l’impression en titane — elle personnalise les matériaux pour des besoins spécifiques. “Les fabricants recherchent souvent des paramètres universels, mais nos sponsors ont besoin de précision”, a-t-il déclaré. “Qu’il s’agisse d’un sous-marin dans l’Arctique ou d’un composant de vol dans des conditions extrêmes, cette technique nous permet d’optimiser ces défis uniques tout en maintenant les performances les plus élevées.”
Croom a ajouté que l’élargissement du modèle d’apprentissage automatique pour prédire des comportements matériels encore plus complexes est un autre objectif clé. Les premiers travaux de l’équipe ont porté sur la densité, la résistance et la ductilité, et Croom a déclaré qu’elle avait pour objectif de modéliser d’autres facteurs importants, comme la résistance à la fatigue ou la corrosion.
“Ce travail a été une démonstration claire de la puissance de l’IA, des tests à haut débit et de la fabrication basée sur les données”, a-t-il déclaré. “Il fallait autrefois des années d’expérimentation pour comprendre comment un nouveau matériau réagirait dans les environnements pertinents de notre sponsor, mais que se passerait-il si nous pouvions plutôt apprendre tout cela en quelques semaines et utiliser ces connaissances pour fabriquer rapidement des alliages améliorés ?”
Nouvelles possibilités
Le succès de cette recherche ouvre la porte à des applications encore plus larges. L’article récemment publié se concentrait sur le titane, mais la même approche basée sur l’IA a été appliquée à d’autres métaux et techniques de fabrication, y compris des alliages spécifiquement développés pour tirer parti de la fabrication additive, a déclaré Storck.
Un domaine d’exploration future est ce que l’on appelle la surveillance in situ — la capacité de suivre et d’ajuster le processus de fabrication en temps réel. Storck a décrit une vision dans laquelle la fabrication additive métallique de pointe pourrait être aussi transparente que l’impression 3D à la maison : “Nous envisageons un changement de paradigme dans lequel les futurs systèmes de fabrication additive pourront s’adapter au fur et à mesure de l’impression, garantissant une qualité parfaite sans nécessiter de post-traitement approfondi et que les pièces pourront naître qualifiées.”
