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

Título: Análise Sistemática do Design de Iluminação Otimizada por Penalidade para Manufatura Aditiva Volumétrica Tomográfica (TVAM) via Framework Extensível TVAM AID Utilizando a Core Imaging Library

1. Problema e Contexto

A Manufatura Aditiva Volumétrica Tomográfica (TVAM) é uma técnica inovadora que permite a fabricação rápida de objetos complexos sem camadas, baseando-se na solidificação de um fotopolímero líquido quando este absorve uma dose de energia luminosa superior a um limiar crítico ($\tau$).

• O Desafio: O processo exige o planejamento de um "plano de iluminação" (sinograma) que, quando projetado de múltiplos ângulos e somado (retroprojeção), cure seletivamente as regiões desejadas do objeto (in-part) enquanto mantém as regiões indesejadas (out-of-part) no estado líquido.
• A Dificuldade Matemática: Este é um problema de otimização inversa. Diferente da reconstrução tomográfica padrão (onde se busca uma imagem a partir de projeções), na TVAM busca-se as projeções (iluminação) que geram uma imagem de dose de energia específica.
• Restrições Críticas:
  1. Não-negatividade: As fontes de luz não podem emitir valores negativos, o que impõe uma restrição de $g \ge 0$ no plano de iluminação.
  2. Modelo Binário: O material só cura se a dose acumulada exceder $\tau$. Portanto, a dose na região in-part deve ser $> \tau$ e na região out-of-part deve ser $< \tau$.
  3. Robustez: Pequenas variações na química do polímero ou no tempo de impressão exigem uma margem de segurança (Process Window) entre as doses máximas da região líquida e mínimas da região sólida.

2. Metodologia

Os autores desenvolveram o framework TVAM AID (Adaptive Illumination Design), construído sobre a biblioteca de código aberto Core Imaging Library (CIL), focada em reconstrução tomográfica. O objetivo é formular o planejamento de iluminação como um problema de mínimos quadrados com restrição de não-negatividade, testando diferentes funções de penalidade (objetivos) para otimizar o resultado.

Abordagem Matemática:
O problema é definido como encontrar o plano de iluminação $g$ que minimize a diferença entre a dose alcançada ($A^T g$) e o alvo desejado $t$, sujeito a $g \ge 0$. A função de custo é decomposta em penalidades para as regiões in-part ($p_{in}$) e out-of-part ($p_{out}$).

Funções de Penalidade Investigadas:
O estudo compara quatro abordagens distintas:

1. L2N (Norma L2): Penaliza quadraticamente qualquer desvio dos limiares alvo ($\tau_{lower}$ e $\tau_{upper}$) para ambas as regiões. É rígida e busca uniformidade estrita.
2. OSP (Penalidades de Um Lado): Remove penalidades para valores "seguros". Não pune doses na região in-part que sejam maiores que $\tau_{upper}$, nem doses na região out-of-part menores que $\tau_{lower}$. Isso permite maior flexibilidade na busca da solução.
3. OSPW (OSP com Penalidade em Altas Doses): Uma extensão do OSP que adiciona uma penalidade se a dose na região in-part exceder $\tau_{upper} + w$. O parâmetro $w$ controla a largura da região sem penalidade, visando controlar a variação da dose (In-Part Dose Range).
4. OSPW (w = 0.0): Um caso híbrido especial que combina penalidades de um lado para a região out-of-part (para maximizar a janela de processo) e uma norma L2 para a região in-part (para garantir uniformidade e baixa variação de dose).

Métricas de Avaliação:

• Process Window (PW): A diferença entre a dose mínima na região sólida e a máxima na região líquida. Quanto maior, mais robusto o processo.
• In-Part Dose Range (IPDR): A diferença entre a dose máxima e mínima na região sólida. Quanto menor, mais uniforme a cura e mais sincronizado o tempo de solidificação.
• Voxel Error Rate (VER): A porcentagem de voxels que não podem ser binarizados corretamente (sobreposição de doses).

Análise de Parâmetros:
Os autores realizaram uma varredura sistemática dos parâmetros de limiar ($\tau_{lower}$ e $\tau_{upper}$) para determinar como a escolha desses valores impacta as métricas, tratando-os como parâmetros de design.

3. Principais Contribuições

1. Análise Crítica de Funções de Penalidade: Demonstra que a escolha da função de penalidade é crucial e que abordagens híbridas (como OSPW com $w=0$) superam métodos tradicionais.
2. Tratamento de Limiares como Parâmetros de Design: Introduz uma metodologia sistemática para selecionar $\tau_{lower}$ e $\tau_{upper}$, mostrando que valores ótimos dependem da geometria, mas que valores padrão bem escolhidos funcionam bem na maioria dos casos.
3. Framework Reprodutível e Extensível (TVAM AID): A criação de um framework baseado na CIL, que utiliza ferramentas estabelecidas de reconstrução tomográfica (como o algoritmo FISTA), reduz a barreira de entrada para novos pesquisadores e permite a aplicação de técnicas avançadas de otimização.

4. Resultados

• Comparação de Abordagens: A abordagem OSPW (w = 0.0) demonstrou o melhor desempenho geral. Ela conseguiu o menor IPDR (alta uniformidade na parte sólida) e o maior PW (alta robustez), superando consistentemente o método L2N e o algoritmo OSMO (Object Space Model Optimisation), que é amplamente utilizado na comunidade.
• Impacto dos Limiares: A varredura de parâmetros revelou que a relação entre $\tau_{lower}$ e $\tau_{upper}$ é crítica. Para a geometria de teste (logotipo DTU), limiares como $\tau_{lower} = 0.70$ e $\tau_{upper} = 0.90$ foram recomendados como padrão, oferecendo resultados próximos aos ótimos.
• Geometrias Complexas: Em testes com geometrias simples (disco) e complexas (teste de resolução), o OSPW (w = 0.0) manteve a superioridade sobre o OSMO, mesmo quando comparado com limiares otimizados para o OSMO.
• Validação 3D: Em uma geometria 3D (Gyroid), o framework demonstrou robustez. A análise mostrou que a remoção de outliers (voxels com doses extremas) nas métricas é essencial para uma avaliação justa, e o OSPW (w = 0.0) manteve performance superior em PW e IPDR.
• Flexibilidade: O estudo mostrou que, para geometrias específicas, relaxar a penalidade (usando $w=0.1$) pode melhorar ainda mais o PW sem sacrificar significativamente o IPDR, evidenciando a flexibilidade do framework.

5. Significado e Impacto

Este trabalho é significativo porque:

• Avança a Teoria de TVAM: Vai além da simples aplicação de algoritmos de reconstrução, propondo uma modelagem matemática rigorosa que considera as restrições físicas reais (não-negatividade e modelo binário de cura).
• Otimização de Processo: Ao maximizar o Process Window e minimizar a variação de dose, o método proposto aumenta a robustez da impressão, reduzindo falhas causadas por variações químicas ou temporais.
• Reprodutibilidade Científica: Ao utilizar a biblioteca CIL e disponibilizar o código, o trabalho estabelece um padrão aberto para o desenvolvimento futuro de planejadores de iluminação, facilitando a integração de novas técnicas de regularização e otimização.
• Guia Prático: Fornece recomendações concretas sobre a seleção de limiares e funções de custo, servindo como um guia para pesquisadores e engenheiros que implementam sistemas de TVAM.

Em resumo, o artigo estabelece um novo estado da arte no planejamento de iluminação para manufatura volumétrica, demonstrando que a combinação inteligente de funções de penalidade dentro de um framework modular (TVAM AID) resulta em peças impressas com maior precisão geométrica e maior robustez de processo.