Μια διεπιστημονική ομάδα στο Εργαστήριο Διαχείρισης Αποβλήτων του Κέντρου Πυρηνικής Μηχανικής και Επιστημών του PSI ανέπτυξε μια πρωτοποριακή προσέγγιση στην παραγωγή τσιμέντου με χρήση μηχανικής μάθησης. «Αυτό μας επιτρέπει να προσομοιώνουμε και να βελτιστοποιούμε τις συνθέσεις τσιμέντου ώστε να εκπέμπουν σημαντικά λιγότερο CO2, διατηρώντας παράλληλα το ίδιο υψηλό επίπεδο μηχανικής απόδοσης», εξηγεί η μαθηματικός Romana Boiger, πρώτη συγγραφέας της μελέτης. «Αντί να δοκιμάζουμε χιλιάδες παραλλαγές στο εργαστήριο, μπορούμε να χρησιμοποιήσουμε το μοντέλο μας για να παράγουμε πρακτικές προτάσεις συνταγών μέσα σε δευτερόλεπτα – είναι σαν να έχουμε ένα ψηφιακό βιβλίο μαγειρικής για τσιμέντο φιλικό προς το κλίμα.»
Οι ερευνητές του PSI εκπαίδευσαν το νευρωνικό τους δίκτυο με δεδομένα που παρήχθησαν από το λογισμικό ανοιχτού κώδικα θερμοδυναμικής μοντελοποίησης GEMS. «Με τη βοήθεια του GEMS, υπολογίσαμε – για διάφορες συνθέσεις τσιμέντου – ποια ορυκτά σχηματίζονται κατά τη σκλήρυνση και ποιες γεωχημικές διεργασίες λαμβάνουν χώρα», εξηγεί ο ερευνητής Nikolaos Prasianakis. Συνδυάζοντας αυτά τα αποτελέσματα με πειραματικά δεδομένα και μηχανικά μοντέλα, η ομάδα εξήγαγε αξιόπιστους δείκτες για τις μηχανικές ιδιότητες και την ποιότητα του τσιμέντου.
Μεταξύ των συνθέσεων τσιμέντου που εντόπισαν οι ερευνητές, υπάρχουν ήδη υποσχόμενοι υποψήφιοι. «Κάποιες από αυτές τις συνθέσεις έχουν πραγματικό δυναμικό», λέει ο John Provis, επικεφαλής της Ομάδας Έρευνας Συστημάτων Τσιμέντου στο PSI, «όχι μόνο όσον αφορά τη μείωση του CO2 και την ποιότητα, αλλά και ως προς την πρακτική εφικτότητα στην παραγωγή». Η μελέτη λειτουργεί κυρίως ως απόδειξη της ιδέας – αποδεικνύοντας ότι υποσχόμενες συνθέσεις μπορούν να εντοπιστούν μέσω μαθηματικού υπολογισμού. Πριν την εφαρμογή, οι συνταγές πρέπει πρώτα να περάσουν από εργαστηριακές δοκιμές.
Σε μια παράλληλη εξέλιξη, ερευνητές του MIT με επικεφαλής τον μεταδιδακτορικό Soroush Mahjoubi δημοσίευσαν μια εργασία ανοιχτής πρόσβασης στο περιοδικό Communications Materials του Nature, περιγράφοντας μια παρόμοια λύση βασισμένη στην τεχνητή νοημοσύνη. Η ομάδα του MIT σημείωσε ότι υλικά όπως η ιπτάμενη τέφρα και η σκωρία χρησιμοποιούνται εδώ και καιρό για να αντικαταστήσουν μέρος του τσιμέντου σε μίγματα σκυροδέματος, αλλά η ζήτηση για αυτά τα προϊόντα ξεπερνά πλέον την προσφορά καθώς η βιομηχανία προσπαθεί να μειώσει τις επιπτώσεις στο κλίμα. «Συνειδητοποιήσαμε ότι η τεχνητή νοημοσύνη ήταν το κλειδί για να προχωρήσουμε», αναφέρει ο Mahjoubi. «Υπάρχουν τόσα πολλά δεδομένα για πιθανά υλικά — εκατοντάδες χιλιάδες σελίδες επιστημονικής βιβλιογραφίας. Η διαλογή τους θα απαιτούσε πολλές ζωές εργασίας, μέχρι τότε θα είχαν ανακαλυφθεί ακόμα περισσότερα υλικά!»
Αναλύοντας την επιστημονική βιβλιογραφία και πάνω από 1 εκατομμύριο δείγματα πετρωμάτων, η ομάδα του MIT χρησιμοποίησε το πλαίσιο της για να ταξινομήσει τα υποψήφια υλικά σε 19 τύπους, που κυμαίνονται από βιομάζα έως παραπροϊόντα εξόρυξης και υλικά από κατεδαφισμένες κατασκευές. Ο Mahjoubi και η ομάδα του διαπίστωσαν ότι κατάλληλα υλικά υπάρχουν παγκοσμίως — και, ακόμη πιο εντυπωσιακά, πολλά μπορούν να ενσωματωθούν σε μίγματα σκυροδέματος απλώς με άλεση.
Αυτές οι καινοτομίες τεχνητής νοημοσύνης φέρνουν επανάσταση στη βιομηχανία τσιμέντου, μεταμορφώνοντας τις διαδικασίες παραγωγής και καθίστανται αναντικατάστατες στη μάχη κατά της κλιματικής αλλαγής, επιτρέποντας καινοτόμες και εξαιρετικά αποτελεσματικές προσεγγίσεις για την παραγωγή τσιμέντου χαμηλών εκπομπών άνθρακα.