3D打印的数学建模需要大量的机器时间，在某些情况下，即使是简单的结构，制造过程中的计算也要花费一周的时间。为了加速这一过程，彼得大彼德堡理工大学轻质材料和结构实验室(SPbPU)的研究人员开发了神经网络。它不仅可以更快地构建结构，还可以使用在学习先前数据时由神经网络建立的参数来制造新零件，因此无需为每个结构进行完整的建模过程。研究人员使用这种方法来获得3D打印过程参数并确保过程的稳定性。
神经网络是用于大型数据集处理的计算系统。该网络是在MATLAB®环境中构建的，数据集是手动输入的。“下一步是创建一个基于神经网络的在线系统，该系统具有自动输入数据集和输出参数的功能，因此该系统将不断学习。我们相信，新系统将改善零件质量，并加快用于进一步制造的参数开发速度，”轻质材料和结构SPbPU实验室负责人Oleg Panchenko说。
发达的神经网络已经用于评估制造零件的质量参数，例如，焊接过程是否稳定，金属是否被正确熔化和转移。此外，研究人员还使用此网络来开发用于制造标头的稳定打印模式。他们已经申请了专利。
将来，使用类似的方法将提供一个机会来创建全自动的自学习系统，该系统能够在没有人工监督的情况下不断提高制造零件的质量。