Manifattura Additiva: Un Nuovo Approccio con Grafi di Conoscenza

La manifattura additiva si affida fortemente alla comprensione delle relazioni tra processo e proprietà dei materiali. Un nuovo studio propone un framework guidato da ontologie e incentrato sulle equazioni, integrando modelli linguistici di grandi dimensioni (LLM) con un grafo di conoscenza matematica (AM-MKG) specifico per la manifattura additiva.

Questo approccio mira a consentire un'estrazione di conoscenza più affidabile e una modellazione estrapolativa più rigorosa, specialmente in condizioni di dati limitati. Il framework trasforma la letteratura non strutturata in rappresentazioni interpretabili dalle macchine, supportando interrogazioni strutturate e ragionamenti.

Generazione di Equazioni e Valutazione dell'Affidabilità

La generazione di equazioni basata su LLM è condizionata da sottografi derivati dall'AM-MKG, garantendo forme funzionali fisicamente significative e mitigando estrapolazioni non fisiche o instabili. Per valutare l'affidabilità, viene introdotta una metrica che integra la distanza di estrapolazione, la stabilità statistica e la coerenza fisica basata sul grafo di conoscenza.

I risultati dimostrano che l'estrazione guidata da ontologie migliora significativamente la coerenza strutturale e l'affidabilità quantitativa della conoscenza estratta. La generazione di equazioni condizionata produce estrapolazioni stabili e fisicamente coerenti rispetto alle uscite non guidate degli LLM. Questo lavoro stabilisce una pipeline unificata per la rappresentazione della conoscenza guidata da ontologie, il ragionamento incentrato sulle equazioni e la valutazione dell'estrapolazione basata sulla confidenza, evidenziando il potenziale degli LLM potenziati dai grafi di conoscenza come strumenti affidabili per la modellazione estrapolativa nella manifattura additiva.