Para peneliti telah mengembangkan pencetakan 3D Digital Light Processing (DLP) secara signifikan dengan mengintegrasikan kecerdasan buatan dengan bahan kimia baru. Hasilnya: struktur dengan sifat mekanik yang jauh lebih baik, mulai dari yang sangat fleksibel hingga yang sangat kaku, semuanya diproduksi dalam satu proses pencetakan. Terobosan ini mengatasi keterbatasan kritis dalam teknologi DLP saat ini, yang sering kali memaksa adanya trade-off antara redaman material dan kekuatan struktural.
Tantangan Pengorbanan Mekanis
DLP sudah dihargai karena kecepatan, presisi, dan fleksibilitas materialnya – mulai dari hidrogel medis hingga elastomer robotika lunak. Namun, resin yang dapat difoto dengan foto membatasi seberapa banyak sifat mekanik yang dapat disesuaikan. Resin poliuretan akrilat (PUA) yang umum menawarkan redaman yang baik tetapi tidak memiliki kekakuan yang diperlukan untuk aplikasi tegangan tinggi. Mencapai keduanya secara bersamaan merupakan tantangan besar.
Masalahnya bukan hanya pada ilmu material; itu juga desain. Mengoptimalkan geometri kompleks untuk kekuatan maksimum memerlukan kontrol yang tepat terhadap gradien material, yang memerlukan komputasi intensif.
Solusi Dua Bagian: Resin Baru & Pengoptimalan AI
Tim Prof. Miso Kim di Korea Advanced Institute of Science and Technology telah mengatasi tantangan ini dengan pendekatan dua arah. Pertama, mereka merekayasa sistem resin PUA baru yang memperluas rentang kekakuan dari 8,3 MPa menjadi 1,2 GPa sekaligus mempertahankan viskositas rendah untuk memudahkan pencetakan. Hal ini dicapai dengan menggabungkan segmen lunak (dengan ikatan disulfida untuk pembuangan energi) dan segmen keras (hidroksietil akrilat) dalam rasio yang bervariasi.
Kedua, mereka mengembangkan kerangka pembelajaran mesin untuk merancang struktur gradien yang dioptimalkan dan menghasilkan topeng skala abu-abu yang diperlukan untuk pencetakan DLP skala abu-abu (g-DLP). Kerangka kerja ini menggunakan optimasi Bayesian untuk meminimalkan konsentrasi tegangan dan memaksimalkan kekakuan. Ini secara berulang menyempurnakan desain melalui simulasi, memastikan integritas struktural dan perilaku kegagalan yang dapat diprediksi.
Validasi Dunia Nyata
Tim ini mendemonstrasikan keefektifan pendekatan mereka dalam dua aplikasi yang menantang: tulang rawan buatan dan bumper otomotif. Keduanya menunjukkan peningkatan mekanis yang signifikan dalam pengujian tekanan dan benturan berulang kali, sehingga membuktikan keserbagunaan kerangka kerja tersebut.
Melihat ke Depan
Penelitian di masa depan akan fokus pada perluasan pilihan material di luar sistem PUA dan mengoptimalkan desain untuk kondisi pembebanan dinamis. Hal ini dapat menghasilkan material cetak 3D yang lebih adaptif dan kuat di berbagai industri.
Integrasi kimia komposit dengan optimalisasi struktur berbasis AI mewakili langkah maju yang signifikan dalam manufaktur aditif, yang menawarkan cetak biru material generasi berikutnya dengan kinerja mekanis yang disesuaikan.
Pendekatan sinergis ini—menggabungkan desain molekuler, kontrol fotopolimerisasi, dan optimalisasi komputasi—menetapkan standar baru untuk material cetak 3D.
Referensi: J. Nam, B. Chen, M. Kim, Pemrosesan Cahaya Digital Grayscale Berbasis Pembelajaran Mesin untuk Material Tingkat Lanjut Material Gradien Cetak 3D yang Kuat Secara Mekanis (2025), DOI: 10.1002/adma.202504075
