Los investigadores han avanzado significativamente en la impresión 3D con procesamiento digital de luz (DLP) mediante la integración de inteligencia artificial con una nueva química de materiales. El resultado: estructuras con propiedades mecánicas dramáticamente mejoradas, que van desde muy flexibles hasta excepcionalmente rígidas, todas producidas en un solo proceso de impresión. Este avance aborda una limitación crítica de la tecnología DLP actual, que a menudo obliga a un equilibrio entre la amortiguación del material y la resistencia estructural.
El desafío de las compensaciones mecánicas
El DLP ya es apreciado por su velocidad, precisión y flexibilidad de materiales, desde hidrogeles médicos hasta elastómeros robóticos blandos. Sin embargo, las resinas fotocurables existentes restringen el grado de ajuste de las propiedades mecánicas. Las resinas comunes de acrilato de poliuretano (PUA) ofrecen una buena amortiguación pero carecen de la rigidez necesaria para aplicaciones de alta tensión. Lograr ambas cosas simultáneamente ha sido un gran obstáculo.
El problema no es sólo la ciencia material; también es diseño. La optimización de geometrías complejas para obtener la máxima resistencia requiere un control preciso sobre los gradientes del material, lo cual requiere una gran cantidad de cálculos.
Una solución de dos partes: nuevas resinas y optimización de la IA
El equipo del profesor Miso Kim en el Instituto Avanzado de Ciencia y Tecnología de Corea ha abordado este desafío con un enfoque doble. En primer lugar, diseñaron un nuevo sistema de resina PUA que amplía el rango de rigidez de 8,3 MPa a 1,2 GPa manteniendo una baja viscosidad para facilitar la impresión. Esto se logró combinando segmentos blandos (con enlaces disulfuro para la disipación de energía) y segmentos duros (acrilato de hidroxietilo) en proporciones variables.
En segundo lugar, desarrollaron un marco de aprendizaje automático para diseñar estructuras de gradiente optimizadas y generar las máscaras de escala de grises necesarias para la impresión DLP (g-DLP) en escala de grises. Este marco utiliza optimización bayesiana para minimizar la concentración de tensiones y maximizar la rigidez. Refina de forma iterativa los diseños a través de simulaciones, garantizando tanto la integridad estructural como un comportamiento de falla predecible.
Validación del mundo real
El equipo demostró la eficacia de su enfoque en dos aplicaciones exigentes: cartílago artificial y parachoques de automóviles. Ambos mostraron mejoras mecánicas significativas bajo repetidas pruebas de estrés e impacto, lo que demuestra la versatilidad de la estructura.
Mirando hacia el futuro
Las investigaciones futuras se centrarán en ampliar las opciones de materiales más allá de los sistemas PUA y optimizar los diseños para condiciones de carga dinámica. Esto podría conducir a materiales impresos en 3D aún más adaptables y robustos en diversas industrias.
La integración de la química de los compuestos con la optimización estructural impulsada por la IA representa un importante paso adelante en la fabricación aditiva y ofrece un modelo para materiales de próxima generación con un rendimiento mecánico personalizado.
Este enfoque sinérgico, que combina diseño molecular, control de fotopolimerización y optimización computacional, establece un nuevo estándar para los materiales impresos en 3D.
Referencia: J. Nam, B. Chen, M. Kim, Procesamiento de luz digital en escala de grises basado en aprendizaje automático para materiales degradados impresos en 3D mecánicamente robustos Materiales avanzados (2025), DOI: 10.1002/adma.202504075
