Los investigadores del MIT han desarrollado un nuevo sistema de dise\u00f1o que cataloga las propiedades f\u00edsicas de un gran n\u00famero de peque\u00f1os grupos de cubos.\u00a0Estos clusters pueden servir como bloques de construcci\u00f3n para objetos imprimibles de mayor tama\u00f1o.El software permite a los dise\u00f1adores aprovechar la extremadamente alta resoluci\u00f3n de las impresoras 3-D.<\/p>\n
Hoy las impresoras 3-D tienen una resoluci\u00f3n de 600 puntos por pulgada, lo que significa que podr\u00edan empaquetar mil millones de diminutos cubos de diferentes materiales en un volumen que mide s\u00f3lo 1,67 pulgadas c\u00fabicas.<\/p>\n
Este control preciso de la microestructura de los objetos impresos proporciona a los dise\u00f1adores un control proporcional de las propiedades f\u00edsicas de los objetos, como su densidad o resistencia, o la forma en que se deforman cuando se someten a tensiones.\u00a0Pero la evaluaci\u00f3n de los efectos f\u00edsicos de cada posible combinaci\u00f3n de incluso dos materiales, para un objeto que consta de decenas de miles de millones de cubos, ser\u00eda prohibitivamente mucho tiempo.<\/p>\n
As\u00ed, los investigadores del Laboratorio de Inform\u00e1tica e Inteligencia Artificial (CSAIL) del MIT han desarrollado un nuevo sistema de dise\u00f1o que cataloga las propiedades f\u00edsicas de un gran n\u00famero de peque\u00f1os grupos de cubos.\u00a0Estos clusters pueden servir como bloques de construcci\u00f3n para objetos imprimibles de mayor tama\u00f1o.\u00a0De este modo, el sistema aprovecha las mediciones f\u00edsicas a escala microsc\u00f3pica, al tiempo que permite una evaluaci\u00f3n computacionalmente eficiente de los dise\u00f1os macrosc\u00f3picos.<\/p>\n
“Convencionalmente, la gente dise\u00f1a las impresiones tridimensionales de forma manual”, dice Bo Zhu, un postdoc en CSAIL y primer autor en el papel.\u00a0“Pero cuando quieres tener alg\u00fan objetivo de nivel superior, por ejemplo, quieres dise\u00f1ar una silla con m\u00e1xima rigidez o dise\u00f1ar alguna pinza funcional [rob\u00f3tica], entonces la intuici\u00f3n o la experiencia tal vez no sea suficiente.\u00a0La optimizaci\u00f3n de topolog\u00eda, que es el foco de nuestro trabajo, incorpora la f\u00edsica y la simulaci\u00f3n en el bucle de dise\u00f1o.\u00a0El problema de la optimizaci\u00f3n de la topolog\u00eda actual es que existe una brecha entre las capacidades de hardware y el software.\u00a0Nuestro algoritmo llena esa brecha “.<\/p>\n
\n