在過去的30年中，隨著復合材料在工業(yè)上的廣泛采用，玻璃和碳纖維增強復合材料在航空航天和其他高性能應用中的使用猛增。

在高性能應用中，這些混合，分層材料的強度和多功能性的關鍵是每一層中纖維的方向。增材制造（3-D打印）方面的最新創(chuàng)新使得有可能對此因素進行微調(diào)，這是由于能夠在CAD文件中包括要打印組件每一層的離散打印頭方向指令，從而優(yōu)化了強度和靈活性以及零件特定用途的耐用性。因此，CAD文件說明中的這些3-D打印刀具路徑（刀具將遵循的一系列協(xié)調(diào)位置）對于制造商而言是寶貴的商業(yè)秘密。

但是，由紐約大學丹頓工程學院的研究人員團隊（由機械和航空航天工程學系教授Nikhil Gupta領導）表明，通過將機器學習（ML）工具應用于以下工具，這些工具路徑也很容易復制，因此很容易被竊取。通過CT掃描獲得的零件的微觀結(jié)構。

他們的研究“通過使用成像和機器學習通過刀具路徑重構對增材制造的復合零件進行逆向工程”，發(fā)表在《復合材料科學與技術》上，論證了這種對3D打印的玻璃纖維增強聚合物長絲進行逆向工程的方法， 3-D打印，尺寸精度在原始零件的1%的三分之一之內(nèi)。

調(diào)查人員包括NYU Tandon研究生Kaushik Yanamandra，Chen Lin Chen，Xianbo Xu和Gary Mac都表明，可以通過微CT掃描圖像從打印部件的纖維取向中捕獲3-D打印過程中使用的打印方向。 。但是，由于用肉眼很難分辨出纖維的方向，因此該團隊使用了在數(shù)千個微CT掃描圖像上訓練的ML算法，以預測在任何纖維增強的3D打印模型上的纖維取向。該團隊在圓柱和正方形模型上驗證了其ML算法結(jié)果，發(fā)現(xiàn)誤差小于0.5°。

古普塔說，這項研究引起了人們對3-D打印復合零件中知識產(chǎn)權安全性的關注，在這種復合零件上投入了大量的精力進行開發(fā)，但是現(xiàn)代機器學習方法可以輕松地以低成本在短時間內(nèi)復制它們。

Gupta說：“機器學習方法被用于復雜零件的設計中，但是，正如研究表明的那樣，它們可能是一把雙刃劍，這使得逆向工程也變得更加容易?！薄霸谠O計過程中還應考慮安全性，在未來的研究中應開發(fā)出不可克隆的刀具路徑?！?/p>