检索关键词包括“机器学习”、“激光增材制造”、“原位监测”、“缺陷/气孔”、“力学性能”、“疲劳寿命”及“微观结构-性能相关性”）。该综述系统回顾了机器学习在增材制造中的应用，并提出机器学习-工艺-性能-制造的集成框架，以阐明工艺、结构与性能之间的内在关联。在高端制造业对复杂构件高性能与高可靠性需求不断提升的背景下，激光金属增材制造（LMAM）正从“可制造”迈向“高质量制造”，但其过程复杂、缺陷敏

（a）基于机器学习的L-PBF成形CM247LC工艺参数优化策略，（b）和（c）体积能量密度对裂纹密度和相对密度的影响，（d）基于正交试验最优参数制备样品的金相图，（e）和（f）基于增强数据集建立的RF模型，（g）和（h）贝叶斯优化获得的实测目标值，（i）本工作ML最优参数下裂纹密度与文献报道裂纹密度的对比，（j）基于机器学习优化参数制备样品的金相图。（a）沿BD方向的EBSD-IPF图，（b）G

本研究基于融合物理化学特征的机器学习设计策略，成功开发了一种激光增材制造用低成本、短流程，兼具超高强度、高延伸率和优异耐腐蚀性的超高强韧钢，可满足航空航天、海工交通等国家重大领域对关键构件复杂成形、快速修复的迫切需求，为增材制造超高强韧钢的高效开发开辟了全新路径，不仅实现了材料成本、制备流程与综合性能的三重突破，也为其他合金体系的优化设计提供了重要参考。，提出一种融合物理化学特征的可解释机器学习的

根据3D科学谷的市场观察，2025年6月，Antares Nuclear公司的R1 Mark-0微反应堆在INL达到临界，该反应堆的中子传感器支架即由ORNL实验室使用同一套MedUSA增材制造平台和相同的核级合金材料3D打印而成。根据ORNL项目负责人的描述，达成这一目标，需要通过嵌入工艺环节的大量传感器和实时监控系统，在每一层金属沉积的同时采集温度场、熔池形貌、凝固行为等原位数据，再借助AI和

未来，随着标准化数据体系、物理信息学习、可解释人工智能、数字孪生、边缘计算和闭环控制持续发展，ML有望推动MAM由依赖经验和离线检验的工艺，逐步转向更可预测、更可靠、更可解释且能够实时调节的智能制造过程。然而，金属增材制造本质上是一个多物理场耦合、快速熔化与凝固并存的非平衡制造过程，激光功率、扫描速度、送粉或送丝速度、层厚及成形环境等因素会通过局部热历史影响凝固组织、相变行为、残余应力和最终性能，

《人形机器人先进热管理系统技术报告》摘要：本报告重点探讨了新型导热材料、PEEK复合材料和3D打印技术在人形机器人热管理系统中的创新应用。报告指出，梯度功能材料(FGM)和相变材料(PCM)可显著提升散热效率；PEEK材料通过轻量化设计可降低15-25%散热负担；3D打印技术则实现散热面积提升300%和重量减轻45%的突破。报告建议优先在高温部位应用PEEK复合材料，建立3D打印原型验证流程，并培

3D科学谷发现，除了《未来产业方向创新任务揭榜挂帅申报指南》中的激光制造前沿技术专题直接将增材制造列为攻关对象之外，增材制造/3D打印技术与本次揭榜挂帅申报指南中所涉及的通信方向、人形机器人等领域均有可能产生深度交集。从产业动态来看，铂力特在2024年世界机器人大会上展示了机器人肩支架、躯干、小臂、大腿、手指关节等零件，采用拓扑优化及多尺度构型的设计方案，将传统设计方法的多个零件集成到一个零部件上

文章创新性融合同步辐射X射线断层扫描（SXCT）、三维重构技术与机器学习算法，构建气雾化粉末全维度形貌表征体系，首创颗粒缺陷分布（PDD） 质量评价新标准，通过喷嘴结构优化实现高球形度合格粉末占比提高近300%，为增材制造高品质粉末量产开辟全新路径。该论文以上海交通大学和安徽理工大学为共同完成单位，安徽理工大学特聘副教授罗升为第一兼通讯作者，王洪泽长聘副教授为共同通讯作者，共同作者包括上海交通大学

同时，原图中的飞溅与羽流信息被弱化，表明模型已有效聚焦熔池核心特征的提取与重构，也体现了采用自编码器（AE）作为上游模型的必要性：通过自编码器对特征进行无监督降维压缩，可有效抑制飞溅、羽流等噪声，在保留熔池完整信息的同时降低学习空间复杂度。由此，将用于熔池特征序列生成的网络定义为生成器，用于孔隙分类的网络定义为分类器。(2) 提出物理引导的熔池图像序列生成方法，通过PG-branch将数值模拟熔池

SynaCore Fly Wheel 为其AM-DT数字孪生软件用户创造随时间复利的价值，从高级网格生成、多尺度仿真、自适应路径规划、AI 合金设计到进一步的闭环学习，再到数字护照与预认证，全链路深度耦合且持续自我进化，使得其软件用户建构其作为时间朋友的系统性优势。生成的高保真网格，SynaCore AM-DT开展了逐。算采用了SynaCore AM-DT最新的自适。都受限于刀具可达性。，Syna