Isang interdisciplinary na koponan mula sa Laboratory for Waste Management ng PSI Center for Nuclear Engineering and Sciences ang nakabuo ng makabagong paraan sa paggawa ng semento gamit ang machine learning. "Pinapayagan kami nitong magsagawa ng simulation at mag-optimize ng mga pormulasyon ng semento upang makabawas nang malaki sa CO2 emissions habang nananatili ang mataas na antas ng lakas ng materyal," paliwanag ni mathematician Romana Boiger, pangunahing may-akda ng pag-aaral. "Sa halip na subukan ang libu-libong baryasyon sa laboratoryo, magagamit namin ang aming modelo upang makabuo ng praktikal na mga recipe sa loob lamang ng ilang segundo—parang may digital na cookbook para sa makakalikasan na semento."
Tinuruan ng mga mananaliksik ng PSI ang kanilang neural network gamit ang datos mula sa open-source thermodynamic modeling software na GEMS. "Sa tulong ng GEMS, nakalkula namin—para sa iba't ibang pormulasyon ng semento—kung anong mga mineral ang nabubuo habang tumitigas at anong mga geochemical na proseso ang nagaganap," paliwanag ni researcher Nikolaos Prasianakis. Sa pagsasama ng mga resulta nito sa experimental data at mechanical models, nakuha ng koponan ang maaasahang mga palatandaan para sa mekanikal na katangian at kalidad ng materyal ng semento.
Sa mga pormulasyon ng semento na natukoy ng mga mananaliksik, mayroon nang mga promising na kandidato. "Ang ilan sa mga pormulasyong ito ay may tunay na potensyal," ayon kay John Provis, pinuno ng Cement Systems Research Group sa PSI, "hindi lang sa pagbawas ng CO2 at kalidad, kundi pati na rin sa praktikal na posibilidad sa produksyon." Pangunahing layunin ng pag-aaral na ito bilang proof of concept—ipinapakita na maaaring matukoy ang mga promising na pormulasyon sa pamamagitan ng matematikal na kalkulasyon. Bago ito magamit sa aktwal, kailangang sumailalim muna ang mga recipe sa laboratory testing.
Kasabay nito, naglabas ng open-access na papel sa Nature's Communications Materials ang mga researcher mula MIT na pinamumunuan ni postdoc Soroush Mahjoubi, kung saan inilalahad ang katulad na solusyon na nakabatay sa AI. Napansin ng MIT team na matagal nang ginagamit ang mga materyales tulad ng fly ash at slag bilang pamalit sa bahagi ng semento sa mga kongkretong halo, ngunit mas mabilis ang paglaki ng demand kaysa sa supply habang ang industriya ay naghahanap ng mga paraan upang mabawasan ang epekto sa klima. "Napagtanto namin na AI ang susi upang makausad," ani Mahjoubi. "Napakaraming datos tungkol sa mga posibleng materyales—daan-daang libong pahina ng siyentipikong literatura. Kung susuriin naming lahat ito, aabutin ng maraming henerasyon, at sa panahong iyon, mas marami pang bagong materyales ang matutuklasan!"
Sa pagsusuri ng siyentipikong literatura at mahigit isang milyong sample ng bato, ginamit ng MIT team ang kanilang framework upang uriin ang mga posibleng materyales sa 19 na uri—mula biomass, byproduct ng pagmimina, hanggang sa mga giniba na materyales mula sa konstruksiyon. Natuklasan nina Mahjoubi at ng kanyang koponan na may mga angkop na materyales na makukuha sa buong mundo—at higit pa rito, marami sa mga ito ay maaaring isama sa mga kongkretong halo sa pamamagitan lamang ng paggiling sa kanila.
Binabago ng mga inobasyon sa AI na ito ang industriya ng semento, pinapabago ang mga proseso ng paggawa at nagiging mahalagang sandata sa paglaban sa climate change sa pamamagitan ng pagbibigay-daan sa mga makabago at epektibong paraan ng paggawa ng low-carbon na semento.