積層造形技術の中でも、レーザーパウダーベッドフュージョン（LPBF）はそのプロセスの複雑さから多くの欠陥が発生しやすく、最終製品の品質に影響を与えます。従来の欠陥分析方法は、説明可能性や体系性に欠けることがありました。この課題に対処するため、研究者のBasit Mahmud Shahriar氏とMd Habibor Rahman氏は、構造化された欠陥知識と大規模言語モデル（LLM）の推論能力を組み合わせた知識駆動型意思決定支援システムを提案しました。このシステムは、LPBFプロセスにおける説明可能な欠陥診断と緩和ガイダンスを提供することを目的としています。
システムの核となるのは、27の既知のLPBF欠陥タイプを階層的なカテゴリと因果関係に基づいて整理した知識ベースです。ユーザーはファジー自然言語クエリを使用してシステムと対話し、文献に裏付けられた欠陥の説明や、欠陥原因と緩和戦略に関する実用的なアドバイスを得ることができます。すべての推論はエンコードされたプロセス知識に基づいており、出力の信頼性とトレーサビリティが確保されています。
さらに、システムにはマルチモーダル画像評価モジュールが統合されています。このモジュールは基盤モデル（foundation models）を活用し、記述子ガイドによる顕微鏡欠陥画像の解釈を可能にします。セマンティックアライメントスコアリング技術により、画像の特徴と欠陥の記述をマッチングし、診断の精度を高めます。この機能は、実際の生産における迅速な欠陥特定に特に有用です。
研究チームは、汎用視覚言語モデルとの定性的比較、アブレーション研究、評価者間信頼性分析を含む包括的な評価を実施しました。文献由来のデータセットにおいて、完全統合構成のシステムはマクロ平均F1スコア0.808を達成し、他の構成を上回る性能を示しました。Cohenのκ分析により、モデル出力と文献参照ラベルの間に実質的な一致があることも確認されました。
これらの結果は、オントロジーガイドによる知識表現がLLM支援LPBF欠陥分析の一貫性、解釈可能性、実用性を大幅に向上させることを示しています。本研究は、積層造形分野におけるインテリジェントな品質管理に新たな道を開き、より信頼性が高く透明性のある製造プロセスへの貢献が期待されます。