Een interdisciplinair team van het Laboratorium voor Afvalbeheer van het PSI Centrum voor Nucleaire Technologie en Wetenschappen heeft een baanbrekende aanpak voor cementproductie ontwikkeld met behulp van machine learning. "Hiermee kunnen we cementformuleringen simuleren en optimaliseren zodat ze aanzienlijk minder CO2 uitstoten, terwijl ze dezelfde hoge mechanische prestaties behouden," legt wiskundige Romana Boiger uit, eerste auteur van de studie. "In plaats van duizenden variaties in het laboratorium te testen, kunnen we met ons model binnen enkele seconden praktische receptsuggesties genereren – het is alsof je een digitaal kookboek hebt voor klimaatvriendelijk cement."
De PSI-onderzoekers trainden hun neuraal netwerk met data die werd gegenereerd met de open-source thermodynamische modelleringssoftware GEMS. "Met behulp van GEMS berekenden we – voor verschillende cementformuleringen – welke mineralen zich vormen tijdens het uitharden en welke geochemische processen plaatsvinden," licht onderzoeker Nikolaos Prasianakis toe. Door deze resultaten te combineren met experimentele data en mechanische modellen, leidde het team betrouwbare indicatoren af voor de mechanische eigenschappen en de materiaalkwaliteit van het cement.
Onder de door de onderzoekers geïdentificeerde cementformuleringen bevinden zich al veelbelovende kandidaten. "Sommige van deze formuleringen hebben echt potentieel," zegt John Provis, hoofd van de Cement Systems Research Group bij PSI, "niet alleen qua CO2-reductie en kwaliteit, maar ook qua praktische haalbaarheid in de productie." De studie dient vooral als een proof of concept – het toont aan dat veelbelovende formuleringen via wiskundige berekeningen kunnen worden geïdentificeerd. Voordat implementatie mogelijk is, moeten de recepten eerst in het laboratorium worden getest.
In een parallelle ontwikkeling heeft een team van MIT-onderzoekers onder leiding van postdoc Soroush Mahjoubi een open-access artikel gepubliceerd in Nature's Communications Materials waarin een vergelijkbare AI-gebaseerde oplossing wordt beschreven. Het MIT-team merkte op dat materialen zoals vliegas en slakken al lang worden gebruikt om een deel van het cement in betonmengsels te vervangen, maar dat de vraag naar deze producten het aanbod inmiddels overstijgt nu de industrie haar klimaatimpact wil verminderen. "We realiseerden ons dat AI de sleutel was om vooruitgang te boeken," aldus Mahjoubi. "Er is zoveel data beschikbaar over potentiële materialen – honderden duizenden pagina's aan wetenschappelijke literatuur. Het zou vele levens kosten om die allemaal te doorzoeken, tegen die tijd zouden er alweer nieuwe materialen zijn ontdekt!"
Door wetenschappelijke literatuur en meer dan 1 miljoen gesteentemonsters te analyseren, gebruikte het MIT-team hun framework om kandidaat-materialen te sorteren in 19 types, variërend van biomassa tot mijnbouwbijproducten en gesloopt bouwmateriaal. Mahjoubi en zijn team ontdekten dat geschikte materialen wereldwijd beschikbaar zijn – en, nog indrukwekkender, dat veel van deze materialen eenvoudig in betonmengsels kunnen worden verwerkt door ze te vermalen.
Deze AI-innovaties zorgen voor een revolutie in de cementindustrie, transformeren productieprocessen en worden onmisbaar in de strijd tegen klimaatverandering door innovatieve en uiterst effectieve benaderingen voor de productie van cement met een lage CO2-uitstoot mogelijk te maken.