南京発のAIが金属AMの温度予測に革新：リアルタイム制御を実現するブレークスルー

南京工業大学の研究チームが、積層造形（AM）分野における画期的な進歩を示す革新的な人工知能モデルを開発しました。この物理法則に基づいたシステムは、ワイヤアーク積層造形（WAAM）プロセス中の温度プロファイルを迅速に予測するために設計されています。これは、金属部品の製造品質と安定性を飛躍的に向上させる可能性を秘めています。

この研究成果は、権威ある学術誌『Communications Engineering』に掲載され、金属3Dプリント技術の信頼性向上に向けた重要な一歩となりました。開発されたモデルの核心は、幾何学的タイプの物理情報埋め込み型リカレントニューラルネットワーク（RNN）です。このハイブリッドな手法は、物理学の基本的な法則とディープラーニングの強力な能力を融合させることで、材料の熱的挙動を動的に、かつ正確にシミュレーションすることを可能にしています。

この技術の最も重要な成果は、その驚異的な処理速度にあります。従来の有限要素法（FEM）のようなシミュレーション手法では、正確な結果を得るまでに最大で1時間もの時間を要することがありますが、新しいAIモデルはわずか12ミリ秒で予測を提供します。この圧倒的な速度は、産業プロセスにおいてリアルタイムのフィードバックループ（閉ループ制御）を実装するための決定的な要件となります。

機械・動力工学部のミンシュエン・ティエン氏が率いる研究チームは、古典的なシミュレーションが抱える計算上の遅延という課題と、純粋なデータ駆動型モデルにありがちな誤差の蓄積という二重の難題を克服することを目指しました。ロボットWAAM装置を用いて薄肉鋼構造物を積層造形する実験を実施したところ、このモデルはシミュレーションでは最大約4.5%、実環境での試験では13.9%程度の予測誤差に抑え込むことに成功しました。

このシステムは、最大10秒先までの温度変化を安定して予測する能力を持っています。この10秒という時間枠は、熱流を管理し、残留応力を低減するために極めて重要です。金属3Dプリントにおいて温度制御は要石であり、加熱や冷却が不均一になると、ひび割れや変形といった欠陥が不可避的に発生し、最終製品の完全性が損なわれてしまうからです。

ニューラルネットワークのアーキテクチャ自体に物理的な制約を組み込むことで、予測の物理的妥当性が保証されます。これにより、システムは多様な幾何学的形状やプロセス条件に対してデータを効果的に一般化することができます。さらに、研究者たちは、転移学習（トランスファーラーニング）を活用することで学習時間を大幅に短縮できると指摘しており、これにより、この技術の多様な製造環境への実用性と適応性が高まります。この方法論的な飛躍は、積層造形におけるフィードフォワード制御システムの実現への道を開き、機械が問題が発生する前に、熱入力やワイヤ供給速度などのパラメータを自律的に調整することを可能にします。