在保罗谢勒研究所（PSI）核工程与科学中心废物管理实验室，一个跨学科团队利用机器学习开发出了一种突破性的水泥生产方法。研究第一作者、数学家罗马娜·博伊格尔（Romana Boiger）解释道：“这让我们能够模拟并优化水泥配方，在显著降低二氧化碳排放的同时，保持同样高水平的机械性能。过去我们需要在实验室测试上千种配方，如今只需几秒钟，模型就能生成实用的配方建议——就像拥有一本数字版的环保水泥烹饪书。”
PSI研究团队利用开源热力学建模软件GEMS生成的数据训练了他们的神经网络。“借助GEMS，我们计算了不同水泥配方在硬化过程中会形成哪些矿物，以及发生了哪些地球化学过程。”研究员尼古拉奥斯·普拉西亚纳基斯（Nikolaos Prasianakis）介绍道。通过将这些结果与实验数据和机械模型结合，团队得出了水泥机械性能和材料质量的可靠指标。
在研究人员筛选出的水泥配方中，已经出现了极具前景的候选方案。PSI水泥系统研究组负责人约翰·普罗维斯（John Provis）表示：“其中一些配方不仅在减少二氧化碳排放和保证质量方面具有真正潜力，而且在实际生产中也具备可行性。”本项研究主要作为概念验证，展示了通过数学计算可以筛选出有前景的配方。在实际应用前，这些配方还需经过实验室测试。
与此同时，麻省理工学院（MIT）博士后索鲁什·马霍比（Soroush Mahjoubi）带领的团队在《自然·通讯材料》期刊发表了开放获取论文，提出了类似的AI解决方案。MIT团队指出，粉煤灰和矿渣等材料长期以来被用来部分替代混凝土中的水泥，但随着行业对减碳的需求增长，这些副产品的供应已无法满足需求。马霍比表示：“我们意识到，AI是推动行业前进的关键。关于潜在材料的数据量极其庞大——科学文献多达数十万页。人工筛选需要数代人的努力，到那时又会有更多新材料被发现！”
MIT团队分析了科学文献和超过一百万个岩石样本，利用他们的AI框架将候选材料分为19类，包括生物质、矿业副产品和拆除建筑材料等。马霍比及其团队发现，全球范围内都能找到合适的材料，更令人惊喜的是，许多材料只需简单研磨即可直接用于混凝土配比。
这些AI创新正在彻底改变水泥行业，推动制造工艺变革，并通过为低碳水泥生产提供创新且高效的解决方案，成为应对气候变化不可或缺的力量。