Terra Quantum 和 Empa 开发用于激光焊接预测的 AI 模型

内幕简报

• Terra Quantum 和 Empa 开发了 LP-FNO，这是一种傅里叶神经算子模型，可根据激光焊接参数预测三维温度场和熔池边界。
• 该模型基于 Ti-6Al-4V 的高保真模拟进行训练，涵盖了 40–190 瓦的激光功率和 0.1–1 米/秒的扫描速度。
• 训练完成后，LP-FNO 在标准分辨率下约 8 毫秒生成完整的 3D 预测，在两倍分辨率下约 88 毫秒。

新闻稿 — 全球量子技术领导者 Terra Quantum 与瑞士联邦材料科学与技术实验室 Empa 宣布推出 LP-FNO (Laser Processing Fourier Neural Operator)，这是一种人工智能替代模型，其预测激光焊接中完整三维熔池动态的速度比传统多物理场仿真快达 100,000 倍。这消除了长期以来阻碍工业激光加工中实时过程控制和数字孪生部署的计算瓶颈。

激光焊接中的仿真瓶颈

激光焊接是一种应用于航空航天、医疗设备和汽车生产的精密制造工艺，其中对熔池（激光束下方发现的熔融金属区域）的控制是焊接质量和一致性的核心。高保真多物理场仿真是理解和优化该工艺的主要工具，但其计算成本使得实时应用变得不切实际。使用当前的黄金标准工具进行单次仿真，在标准 10 µm 分辨率下大约需要 6 分钟，在更精细的 5 µm 分辨率下则需要 1 小时以上，这使得工业操作员无法进行过程控制、大规模参数优化和不确定性量化。

LP-FNO 的功能

LP-FNO 学习激光工艺参数（功率和扫描速度）与由此产生的三维温度场及熔池边界之间的关系，其采用的傅里叶神经算子架构可在单次前向传递中跨物理域全局混合信息。该模型基于 Ti-6Al-4V 钛合金的高保真热流体模拟进行训练，工艺窗口涵盖 40 到 190 瓦的激光功率以及 0.1 到 1 米/秒的扫描速度，包括热传导和稳定深熔焊接机制。训练完成后，LP-FNO 在标准分辨率下产生完整的 3D 预测约需 8 毫秒，在两倍分辨率下约为 88 毫秒。

该方法的一个关键要素是对激光扫描问题进行了准稳态重构。通过将瞬态模拟转换为随激光束移动的参考框架并应用时间平均，研究团队将一个固有的随时间变化的问题转换为了适用于算子学习的形式。这使得 LP-FNO 能够在用于热传导模式焊接的相同框架内，准确地表示稳定深熔焊接动力学——这是物理上最复杂的机制，涉及深蒸汽凹陷、反冲压力驱动的表面变形和剧烈的激光吸收变化。

“将数小时的物理模拟压缩到毫秒级的能力不是一种渐进式的改进，而是一种让全新应用成为可能的变革，”Terra Quantum 首席执行官兼创始人 Markus Pflitsch 表示。“借助 LP-FNO，工业操作员可以实时运行工艺优化，构建与物理过程保持同步的数字孪生，并探索以前因成本过高而无法探测的参数空间。这就是将人工智能部署在制造业最棘手问题上的体现。”

主要发现