3D打印所需的数学建模需要很强的计算能力，即使是最基本的部件，制造计算也需要数周时间，该大学媒体中心的代表在接受Sputnik采访时表示。专家指出，利用神经网络在更多参数的帮助下训练，不仅可以更快地获得零件，而且还可以利用发现的依赖关系来制造新零件。

俄罗斯科学家开发了一种用于金属产品3D打印的神经网络

神经网络是用于处理大数据输入的计算系统。大学研究人员使用这种方法获得3D打印工艺参数并确保工艺的稳定性。

“这对我们来说非常重要，因为金属转移是在从线材打印零件的过程中发生的，是一个非常复杂的过程，具有相互竞争的物理效应;然而，它对打印质量产生了重大影响。 “圣彼得堡理工大学光材料与结构SPbPU实验室主任Oleg Panchenko说。

该网络是在Mathlab建模环境中开发的。所有数据均手动输入。有一种用于自动获取打印过程参数的特殊工具，但到目前为止，该数据集正在脱机处理。

研究人员表示，接下来他们将创建一个基于神经网络的在线系统，该系统将持续学习;参数将自动添加到系统中，而它们的调整将在打印过程中进行。科学家认为，新系统将提高零件的质量，并提高开发工艺参数的速度，以便进一步制造。

神经网络是用于处理大数据输入的计算系统。研究人员使用这种方法获得3D打印过程参数并确保过程的稳定性。

如今，这种神经网络已被用于评估制造零件的质量参数（例如，焊接过程是否稳定，金属是否正在熔化和正确转移等等）。此外，科学家还利用该网络开发稳定的打印模式，用于制造mashad。他们已经为新开发项目申请专利，作为其知识产权。

“我们是第一个在电弧沉积中使用神经网络的公司，”Panchenko说，并补充说，在各个领域使用神经网络的总体趋势很快也将在增材制造中得到应用。

研究人员认为，在未来，使用类似的方法将允许创建全自动化的自学系统，能够在没有人工监督的情况下不断提高制造零件的质量。