Satu pasukan antara disiplin di Makmal Pengurusan Sisa di Pusat Kejuruteraan dan Sains Nuklear PSI telah membangunkan pendekatan revolusioner dalam pengeluaran simen menggunakan pembelajaran mesin. "Ini membolehkan kami mensimulasikan dan mengoptimumkan formulasi simen supaya ia mengeluarkan CO2 jauh lebih rendah sambil mengekalkan prestasi mekanikal yang tinggi," jelas ahli matematik Romana Boiger, penulis utama kajian tersebut. "Daripada menguji ribuan variasi di makmal, kami boleh menggunakan model kami untuk menjana cadangan resipi praktikal dalam beberapa saat – ia seperti mempunyai buku resipi digital untuk simen mesra iklim."
Penyelidik PSI melatih rangkaian neural mereka menggunakan data yang dijana daripada perisian pemodelan termodinamik sumber terbuka GEMS. "Dengan bantuan GEMS, kami mengira – untuk pelbagai formulasi simen – mineral mana yang terbentuk semasa pengerasan dan proses geokimia yang berlaku," jelas penyelidik Nikolaos Prasianakis. Dengan menggabungkan hasil ini dengan data eksperimen dan model mekanikal, pasukan ini memperoleh penunjuk yang boleh dipercayai untuk sifat mekanikal dan kualiti bahan simen.
Antara formulasi simen yang dikenal pasti oleh para penyelidik, sudah terdapat calon yang menjanjikan. "Beberapa formulasi ini mempunyai potensi sebenar," kata John Provis, ketua Kumpulan Penyelidikan Sistem Simen di PSI, "bukan sahaja dari segi pengurangan CO2 dan kualiti, tetapi juga dari segi kebolehlaksanaan praktikal dalam pengeluaran." Kajian ini terutamanya berfungsi sebagai bukti konsep – membuktikan bahawa formulasi yang menjanjikan boleh dikenal pasti melalui pengiraan matematik. Sebelum pelaksanaan, resipi ini mesti menjalani ujian makmal terlebih dahulu.
Dalam perkembangan selari, penyelidik MIT yang diketuai oleh postdoktoral Soroush Mahjoubi telah menerbitkan kertas akses terbuka di Nature's Communications Materials yang menggariskan penyelesaian berasaskan AI yang serupa. Pasukan MIT menyatakan bahawa bahan seperti abu terbang dan sanga telah lama digunakan untuk menggantikan sebahagian simen dalam campuran konkrit, tetapi permintaan untuk produk ini melebihi bekalan apabila industri berusaha mengurangkan impak iklim. "Kami sedar bahawa AI adalah kunci untuk bergerak ke hadapan," kata Mahjoubi. "Terdapat begitu banyak data di luar sana mengenai bahan berpotensi — ratusan ribu halaman literatur saintifik. Menyaring semuanya akan mengambil masa berabad-abad, dan ketika itu lebih banyak bahan akan ditemui!"
Dengan menganalisis literatur saintifik dan lebih 1 juta sampel batuan, pasukan MIT menggunakan kerangka kerja mereka untuk menyusun bahan calon kepada 19 jenis, dari biojisim ke hasil sampingan perlombongan hingga bahan binaan yang telah dirobohkan. Mahjoubi dan pasukannya mendapati bahawa bahan yang sesuai boleh didapati di seluruh dunia — dan, lebih mengagumkan, banyak daripadanya boleh dimasukkan ke dalam campuran konkrit hanya dengan mengisarnya.
Inovasi AI ini sedang merevolusikan industri simen, mengubah proses pembuatan dan menjadi sangat penting dalam usaha menentang perubahan iklim dengan membolehkan pendekatan inovatif dan sangat berkesan untuk pengeluaran simen rendah karbon.