Systematic Analysis of Penalty-Optimised Illumination Design for Tomographic Volumetric Additive Manufacturing via the Extendable Framework TVAM AID Using the Core Imaging Library

Resumen Técnico: Análisis Sistemático del Diseño de Iluminación Optimizado por Penalización para la Fabricación Aditiva Volumétrica Tomográfica (TVAM)

1. Planteamiento del Problema

La Fabricación Aditiva Volumétrica Tomográfica (TVAM) es una técnica de manufactura que permite crear objetos de geometría compleja de forma continua (sin capas) mediante la solidificación de un fotopolímero líquido cuando este absorbe una dosis de energía lumínica superior a un umbral crítico ($\tau$).

El desafío central es el diseño del plan de iluminación: se debe calcular un patrón de luz (sinograma) que, al ser proyectado desde múltiples ángulos mientras el recipiente gira, genere una distribución de dosis de energía tal que:

• Las regiones "dentro de la pieza" ($\Omega_{in}$) reciban suficiente energía para solidificarse ($Dose > \tau$).
• Las regiones "fuera de la pieza" ($\Omega_{out}$) reciban poca energía para permanecer líquidas ($Dose < \tau$).

Este es un problema de optimización inversa con restricciones de no negatividad (la luz no puede tener intensidad negativa). Los métodos existentes a menudo utilizan funciones objetivo binarias simples o penalizaciones que no logran un equilibrio óptimo entre la uniformidad de la dosis dentro de la pieza y la separación clara entre las zonas sólidas y líquidas.

2. Metodología

Los autores proponen un marco de trabajo reproducible y extensible llamado TVAM AID (TVAM Adaptive Illumination Design), basado en la biblioteca de código abierto Core Imaging Library (CIL).

Formulación Matemática:
El problema se formula como una minimización de mínimos cuadrados con restricción de no negatividad:
$$g^* = \underset{g \ge 0}{\text{argmin}} \sum p([A^T g]_i)$$
Donde $g$ es el plan de iluminación, $A^T$ es el operador de retroproyección (que modela el proceso de impresión) y $p$ son funciones de penalización diseñadas para controlar la dosis de energía.

Funciones de Penalización Analizadas:
El estudio compara cuatro enfoques de funciones de penalización ($p_{in}$ para la pieza y $p_{out}$ para el exterior):

1. L2N (Norma L2): Penaliza cualquier desviación de los umbrales objetivo ($\tau_{lower}$ y $\tau_{upper}$) usando una función cuadrática. Es estricta pero puede ser demasiado restrictiva.
2. OSP (Penalizaciones Unilaterales): Elimina la penalización si la dosis está dentro de la zona aceptable (ej. no penaliza si $Dose > \tau_{upper}$ en la pieza). Esto permite mayor flexibilidad pero puede resultar en una gran variabilidad de dosis (alto rango de dosis).
3. OSPW (OSP con Penalización en Dosis Altas): Combina penalizaciones unilaterales con una restricción adicional para limitar la dosis máxima en la pieza, intentando reducir el rango de dosis.
4. OSPW(w = 0.0) (Híbrido Propuesto): Combina una penalización unilateral para la zona exterior (permitiendo flexibilidad) con una penalización de Norma L2 para la zona interior (forzando uniformidad). Esta es la estrategia central propuesta.

Métricas de Evaluación:
Se utilizan tres métricas clave para cuantificar el éxito:

• Ventana de Proceso (PW): La brecha entre la dosis mínima en la pieza y la máxima fuera de ella. Debe ser máxima.
• Rango de Dosis en la Pieza (IPDR): La diferencia entre la dosis máxima y mínima dentro de la pieza. Debe ser mínima para asegurar curado simultáneo.
• Tasa de Error de Vóxeles (VER): La proporción de vóxeles fuera de la pieza que superan la dosis mínima de la pieza. Debe ser cero.

Se realiza un barrido sistemático de parámetros variando los umbrales $\tau_{lower}$ y $\tau_{upper}$ para determinar su impacto en las métricas.

3. Contribuciones Clave

1. Análisis Crítico de Funciones de Penalización: Se demuestra que la combinación híbrida (OSPW con $w=0.0$) supera a los métodos puros (L2N o OSP) al lograr simultáneamente una alta ventana de proceso y un rango de dosis bajo.
2. Tratamiento de Umbrales como Parámetros de Diseño: Se establece una metodología sistemática para seleccionar los valores óptimos de $\tau_{lower}$ y $\tau_{upper}$, demostrando que valores por defecto bien elegidos (ej. 0.70 y 0.90) funcionan robustamente sin necesidad de un ajuste fino costoso para cada geometría.
3. Marco TVAM AID: Desarrollo de una herramienta basada en CIL que reduce la barrera de entrada para nuevos investigadores, permitiendo la implementación rápida de estrategias de optimización avanzadas y la comparación directa con métodos existentes como OSMO.

4. Resultados

• Comparación de Enfoques: La estrategia OSPW(w = 0.0) logró consistentemente el mejor rendimiento, superando al algoritmo de referencia OSMO (Object Space Model Optimisation).
  • Logró una Ventana de Proceso (PW) significativamente mayor, lo que aumenta la robustez del proceso ante variaciones químicas o de tiempo.
  • Mantuvo un Rango de Dosis (IPDR) muy bajo, asegurando que la pieza se cure de manera uniforme y rápida.
• Influencia de los Umbrales: El barrido de parámetros reveló que existe una región de estabilidad donde las métricas son óptimas. Los valores por defecto recomendados ($\tau_{lower}=0.70, \tau_{upper}=0.90$) se encuentran muy cerca de los óptimos calculados para diversas geometrías.
• Geometrías 2D y 3D:
  • En geometrías 2D (logotipos, discos, tests de resolución), OSPW(w=0.0) superó a OSMO incluso cuando OSMO usaba sus propios umbrales óptimos frente a los valores por defecto de OSPW.
  • En una validación 3D (geometría de giroide), el método mostró una mayor variabilidad entre rebanadas que OSMO, pero con una PW global superior. Se observó que el uso de una penalización ligeramente relajada (OSPW con $w=0.1$) podía mejorar aún más la PW sin sacrificar significativamente el IPDR, demostrando la flexibilidad del marco.
• Robustez ante Valores Atípicos: Se demostró que las métricas son sensibles a vóxeles con dosis erróneas (outliers). La eliminación de un pequeño porcentaje de datos (0.05%) en el cálculo de métricas estabiliza los resultados, confirmando que el método produce distribuciones de dosis limpias.

5. Significado e Impacto

Este trabajo es fundamental para el avance de la TVAM porque:

• Mejora la Calidad de Impresión: Al optimizar la uniformidad de la dosis y la separación de regiones, reduce defectos como la sedimentación de polímero curado o la distorsión óptica durante la impresión.
• Acelera el Desarrollo: El marco TVAM AID, al ser modular y basado en CIL, permite a la comunidad científica probar rápidamente nuevas estrategias de optimización sin tener que reinventar la infraestructura de proyección y retroproyección.
• Guía Práctica: Proporciona recomendaciones concretas sobre cómo configurar los umbrales de dosis, lo cual es crucial para la implementación industrial de esta tecnología.
• Escalabilidad: La metodología se valida exitosamente en 3D, abriendo la puerta a la fabricación de objetos complejos con materiales funcionales y modelos de material continuo en el futuro.

En resumen, el paper presenta una solución matemáticamente rigurosa y computacionalmente eficiente para el problema de planificación de iluminación en TVAM, superando los métodos actuales mediante un diseño inteligente de funciones de penalización y una caracterización sistemática de sus parámetros.