这些年机器学习技术的广泛应用有助于理解增材制造技术中丰富的参数关系。人们发现这些机器学习模型能够从丰富并且精心策划的数据集识别出复杂的关系，因此能够揭示增材制造至关重要的潜在内容。

通过机器学习和增材制造之间的协同有助于在增材制造的设计和制作过程实现变革。通过使用增材制造过程生成的丰富数据，机器学习模型能够促进材料的设计优化。比如通过问题分析和迭代优化或生成式人工智能等结合。这个方法包括从预期结果的逆向工程用于产生具有一定价值的认识，并且最终简化为增材制造的设计。

有鉴于此，南洋理工大学Wai Yee Yeong、Wei Long Ng等总结讨论增材制造领域和机器学习领域之间的交叉面临的挑战和发展机会。

本文要点

（1）

对目前机器学习在增材制造领域的文献报道情况进行深入分析，探索机器学习的应用情况（包括品质控制、优化过程、优化设计、微结构分析、材料配方），以及应用于传感器的发展情况，以及机器学习在增材制造领域有关的发展。

（2）

特别介绍机器学习由于在多种领域表现优异的性能，因此受到增材制造领域的关注。作者预想机器学习应用于增材制造可能显著的增强增材制造有关领域的3D打印能力。

参考文献

Wei Long Ng, Guo Liang Goh, Guo Dong Goh, Jason Ten Jyi Sheuan, Wai Yee Yeong, Progress and Opportunities for Machine Learning in Materials and Processes of Additive Manufacturing, Adv. Mater. 2024

DOI: 10.1002/adma.202310006

https://onlinelibrary.wiley.com/doi/abs/10.1002/adma.202310006