HP 利用 NVIDIA 人工智能加速金属 3D 打印

HP 的 3D 打印部门利用 Nvidia 的开源 AI 工具 Modulus 来改进 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融入机器学习模型，提高制造效率和准确性。利用这项技术，HP 开发了 Virtual Foundry Graphnet 来预测和优化金属烧结过程。

Virtual Foundry Graphnet 可以准确预测金属粉末在 3D 打印过程中的行为，有助于简化生产。这使制造商能够优化流程，减少错误和缺陷，并提高零件质量。通过使用基于图的深度学习方法，AI 可以预测金属烧结过程中的零件变形。众所周知，烧结过程会产生显着的变形。AI 代理模型可以快速模拟这些行为，提供准确的预测并加速该过程。

模拟复杂的金属烧结过程对于优化 HP 粘合剂喷射金属 3D 打印的产量至关重要

运行经过训练的金属烧结推理引擎，只需几秒钟即可获得最终的变形值，使整个过程更快、更高效。此外，惠普还通过公开分享其工作成果，帮助其他制造商创新和改进，让行业中的其他用户能够使用先进的 AI 工具。

HP 3D 打印部门使用 Virtual Foundry Graphnet 取得的创新进展在最近的一篇题为《用于金属烧结变形预测的 Virtual Foundry Graphnet》的论文中进行了详细介绍。这篇由 HP 团队撰写的论文讨论了基于图形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，先进的模型可以显著加快模拟时间。

通过采用基于图的深度学习方法，研究人员证明 Virtual Foundry Graphnet 显著加快了体素级变形模拟速度，单个烧结步骤的精度达到 0.7 微米，整个循环的精度达到 0.3 毫米。这些进步主要归功于人工智能代理模型的使用，它可以提供快速准确的预测。这项研究的作者包括惠普的研究工程师，以及 Nvidia 的高级软件工程师和机器学习工程师。

斯坦福龙测试模型

HP 对开源创新的承诺在其对 NVIDIA Modulus 平台的贡献中得到了充分体现。通过向更广泛的制造业社区提供 Virtual Foundry Graphnet，HP 正在鼓励行业合作并加速物理信息机器学习应用程序的开发。

HP Digital Twins 团队还开发了用于制造数字孪生的创新物理机器学习模型，并将这项工作贡献给了 Modulus。该数字孪生技术使工艺工程师能够预测和优化设计参数和工艺控制参数，以提高零件质量和制造产量。

通过向其他公司提供其 AI 模型，惠普正在建立一个协作社区，制造商可以在此共享知识并共同解决问题。这种协作方式代表着行业向前迈出了一大步，让小公司能够获得强大的工具并推动集体创新。

数字烧结技术可以产生改进的设计，以补偿制造过程中造成的零件变形

HP 与 NVIDIA 有着成功的合作历史，利用先进的图形处理器和人工智能技术增强 HP 的计算和打印解决方案。通过此次合作，NVIDIA 的图形处理器被集成到 HP 的高性能工作站中，为设计、工程和媒体制作等多个行业的专业人士提供强大的计算能力。

除了硬件整合，惠普与英伟达也在人工智能和机器学习项目上展开合作。惠普借助英伟达尖端的人工智能平台，开发出Virtual Foundry Graphnet等创新解决方案，提升3D打印流程的效率和准确性。这些合作凸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

HP 与 Virtual Foundry Graphnet 的合作表明，先进技术可以共享，让所有人受益。这将带来一个更具活力和包容性的行业，各种规模的制造商都可以使用先进的人工智能来改进流程、提高产品质量和降低成本。这种开源共享是推动制造业进步的关键。