Et tværfagligt team i Laboratoriet for Affaldshåndtering ved PSI's Center for Nuklearteknik og Videnskab har udviklet en banebrydende tilgang til cementproduktion ved hjælp af maskinlæring. "Dette gør det muligt for os at simulere og optimere cementformuleringer, så de udleder markant mindre CO2, samtidig med at de bevarer samme høje mekaniske ydeevne," forklarer matematikeren Romana Boiger, førsteforfatter på studiet. "I stedet for at teste tusindvis af variationer i laboratoriet, kan vi bruge vores model til at generere praktiske opskriftsforslag på få sekunder – det er som at have en digital kogebog for klimavenlig cement."
PSI-forskerne trænede deres neurale netværk med data genereret fra den open source-baserede termodynamiske modelleringssoftware GEMS. "Ved hjælp af GEMS beregnede vi – for forskellige cementformuleringer – hvilke mineraler der dannes under hærdning, og hvilke geokemiske processer der finder sted," forklarer forsker Nikolaos Prasianakis. Ved at kombinere disse resultater med eksperimentelle data og mekaniske modeller, udledte teamet pålidelige indikatorer for cementens mekaniske egenskaber og materialekvalitet.
Blandt de cementformuleringer, som forskerne har identificeret, er der allerede lovende kandidater. "Nogle af disse formuleringer har reelt potentiale," siger John Provis, leder af Cement Systems Research Group ved PSI, "ikke kun hvad angår CO2-reduktion og kvalitet, men også med hensyn til praktisk gennemførlighed i produktionen." Studiet fungerer primært som et proof of concept – det demonstrerer, at lovende formuleringer kan identificeres matematisk. Før implementering skal opskrifterne dog først testes i laboratoriet.
I en parallel udvikling har MIT-forskere ledet af postdoc Soroush Mahjoubi offentliggjort en open access-artikel i Nature's Communications Materials, hvor de beskriver en lignende AI-baseret løsning. MIT-holdet bemærkede, at materialer som flyveaske og slagge længe har været brugt til at erstatte noget af cementen i betonblandinger, men efterspørgslen på disse produkter overstiger nu udbuddet, efterhånden som industrien søger at reducere klimaaftrykket. "Vi indså, at AI var nøglen til at komme videre," bemærker Mahjoubi. "Der findes så mange data om potentielle materialer – hundredtusindvis af sider videnskabelig litteratur. At gennemgå dem ville have taget mange livs værk, og i mellemtiden ville der være blevet opdaget endnu flere materialer!"
Ved at analysere videnskabelig litteratur og over 1 million prøver af bjergarter brugte MIT-teamet deres rammeværk til at sortere kandidatmaterialer i 19 typer – fra biomasse til biprodukter fra minedrift og nedrevne byggematerialer. Mahjoubi og hans team fandt, at egnede materialer var tilgængelige globalt – og endnu mere imponerende, at mange kunne indarbejdes i betonblandinger blot ved at male dem.
Disse AI-innovationer revolutionerer cementindustrien, forvandler produktionsprocesserne og bliver uundværlige i kampen mod klimaforandringer ved at muliggøre innovative og særdeles effektive tilgange til lavemissions cementproduktion.