.png){kind=icon}
返回
Convolutional Autoencoder Frameworks for Projection Multi-Photon 3D Printing
.png){kind=icon}
PRE
AI
DOI：10.1016/j.addma.2025.104929.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
投影多光子3D打印是一种用于以极高速制造微纳结构的新兴技术。它利用数字微镜（DMD）一次性投射和打印整个2D层，相比传统的逐点激光扫描提供更高的吞吐量和可扩展性。尽管双光子聚合被广泛认为是实现纳米级高维度精度的杰出方法，但投影方面引入了新的一套挑战，例如由于氧气抑制导致的欠打印。固有的复杂光聚合动力学使得难以高效建模和仿真。为解决此问题，我们引入了一种基于深度学习的数据驱动方法，用于构建打印过程的代理模型和用于2D DMD模式优化的逆向模型，以实现期望的打印形状。通过打印由各种参数化方案变形的多样化形状，我们构建了一个用于训练卷积编码器-解码器（自编码器）神经网络的数据集。训练后的代理模型能够准确地将输入DMD模式映射到其最终打印的几何形状，捕捉由过程物理引入的非线性。输入和输出的逆向进一步使我们能够训练一个用于生成预补偿DMD模式的逆向模型，以打印期望的目标几何形状。实验结果表明，这种深度学习方法能够准确预测打印输出并提高2D层打印的尺寸精度。我们的结果揭示了一种可行的方法来克服抑制诱导的限制，使基于投影的多光子打印在微纳尺度上实现更高的精度。
Keyword:
projection multi-photon 3D printing
digital micromirror device (DMD)
two photon polymerization
deep learning
inverse modeling
期刊
IF:
11.1
论文数:
4.7K
被引数:
4.9W
机构
引用论文
Polymerization Kinetics in Three-Dimensional Direct Laser Writing三维激光直写中的聚合动力学.png)
ADVANCED MATERIALS
OAAI
ADVANCED MATERIALSIF26.8
OAAI分享收藏分享收藏
分享收藏
查看更多内容