Ai allana el camino hacia el cemento verde

La industria del cemento produce alrededor del 8% de las emisiones de Co₂ Global, más que todo el sector de la aviación en todo el mundo. Los investigadores del PSI del Instituto Paul Scherrer han desarrollado un modelo basado en IA que ayuda a acelerar el descubrimiento de nuevas formulaciones de cemento que podrían producir la misma calidad de material con una mejor huella de carbono.

Los hornos rotativos en las plantas de cemento se calientan a un ardiente de 1.400 ° C para quemar la piedra caliza de tierra hasta el clinker, la materia prima para cemento listo para usar. Como era de esperar, tales temperaturas generalmente no se pueden lograr con electricidad sola. Son el resultado de procesos de combustión intensivos en energía que emiten grandes cantidades de dióxido de carbono (CO₂).

Sin embargo, lo que puede ser sorprendente es que el proceso de combustión representa menos de la mitad de estas emisiones. La mayoría está contenida en las materias primas necesarias para producir clinker y cemento: Co₂ que está unido químicamente en la piedra caliza se libera durante su transformación en los hornos de alta temperatura.

Una estrategia prometedora para reducir las emisiones es modificar la receta de cemento en sí, replicar parte del clínker con materiales cementitivos alternativos. Eso es exactamente lo que ha estado investigando un equipo interdisciplinario en el laboratorio para la gestión de residuos en el Centro de Ingeniería Nuclear y Ciencias de PSI. En lugar de confiar únicamente en experimentos que requieren mucho tiempo o simulaciones complejas, los investigadores desarrollaron un enfoque de modelado basado en el aprendizaje automático.

“Esto nos permite simular y optimizar las formulaciones de cemento para que emitan significativamente menos Co₂ mientras mantienen el mismo alto nivel de rendimiento mecánico”, explica la matemática Romana Boiger, primer autor del estudio. “En lugar de probar miles de variaciones en el laboratorio, podemos usar nuestro modelo para generar sugerencias prácticas de recetas en segundos, es como tener un libro de cocina digital para cemento climático”.

Con su enfoque novedoso, los investigadores pudieron filtrar selectivamente las formulaciones de cemento que podrían cumplir con los criterios deseados. “El rango de posibilidades para la composición material, que finalmente determina las propiedades finales, es extraordinariamente vasta”, dice Nikolaos Prasianakis, jefe del grupo de investigación de mecanismos de transporte en PSI, quien fue el iniciador y coautor del estudio.

“Nuestro método nos permite acelerar significativamente el ciclo de desarrollo seleccionando candidatos prometedores para una mayor investigación experimental”. Los resultados del estudio se publicaron en la revista. Materiales y estructuras.

Enorme apetito por el cemento

El cemento es lo que mantiene unido a nuestro mundo moderno. Este polvo discreto, cuando se mezcla con arena, grava y agua, se convierte en concreto, un material de construcción que puede transportarse casi en cualquier lugar y arrojar a casi cualquier forma imaginable. El concreto es multifuncional y duradero, lo que lo convierte en una parte indispensable de nuestra infraestructura.

La gran cantidad de cemento que esto requiere es casi imposible de comprender. “Para decirlo sin rodeos, la humanidad hoy consume más cemento que los alimentos, suelto uno y medio de kilogramos por persona por día”, dice John Provis, jefe del Grupo de Investigación de Sistemas de Cemento en PSI y coautor del estudio. “Estas son cantidades inimaginables. Si pudiéramos mejorar el perfil de emisiones en solo un pequeño porcentaje, esto correspondería a una reducción de dióxido de carbono equivalente a miles o incluso decenas de miles de automóviles”, dice el químico del cemento.

La receta correcta

Ya hoy, los subproductos industriales, como la escoria de la producción de hierro y las cenizas volantes de las centrales eléctricas de carbón, ya se están utilizando para reemplazar parcialmente el clinker en las formulaciones de cemento y, por lo tanto, reducir las emisiones de co₂. Sin embargo, la demanda global de cemento es tan enorme que estos materiales por sí solos no pueden satisfacer la necesidad. “Lo que necesitamos es la combinación correcta de materiales que están disponibles en grandes cantidades y de las cuales se puede producir cemento confiable de alta calidad”, dice Provis.

Sin embargo, encontrar tales combinaciones es un desafío: “El cemento es básicamente un agente de unión mineral: en concreto, usamos cemento, agua y grava para crear artificialmente minerales que mantienen todo el material juntos”, explica Provis. “Se podría decir que estamos haciendo geología en rápido movimiento”.

Esta geología, o más bien, el conjunto de procesos físicos detrás de él, es enormemente compleja, y modelarla en una computadora es consecuentemente intensivo computacionalmente y costoso. Es por eso que el equipo de investigación depende de la inteligencia artificial.

AI como acelerador computacional

Las redes neuronales artificiales son modelos de computadora que están capacitados, utilizando datos existentes, para acelerar los cálculos complejos. Durante el entrenamiento, la red se alimenta de un conjunto de datos conocido y aprende de él ajustando la fuerza relativa o la “ponderación” de sus conexiones internas para que pueda predecir de manera rápida y confiable relaciones similares. Esta ponderación sirve como una especie de atajo, una alternativa más rápida al modelado físico de otro modo computacionalmente intensivo.

Los investigadores de PSI también hicieron uso de una red neuronal de este tipo. Ellos mismos generaron los datos requeridos para la capacitación. “Con la ayuda de las gemas de software de modelado termodinámico de código abierto, desarrolladas en PSI, calculamos, para diversas formulaciones de cemento, que se forman los minerales durante el endurecimiento y los procesos geoquímicos”, explica Prasianakis.

Al combinar estos resultados con datos experimentales y modelos mecánicos, los investigadores pudieron obtener un indicador confiable para las propiedades mecánicas y, por lo tanto, para la calidad del material del cemento. Para cada componente utilizado, también aplicaron un factor CO₂ correspondiente, un valor de emisión específico que permitió determinar las emisiones totales de CO₂. “Ese fue un ejercicio de modelado muy complejo y computacionalmente intensivo”, dice el científico.

Pero valió la pena el esfuerzo: con los datos generados de esta manera, el modelo AI pudo aprender. “En lugar de segundos o minutos, la red neuronal entrenada ahora puede calcular las propiedades mecánicas para una receta de cemento arbitraria en milisegundos, es decir, alrededor de mil veces más rápido que con el modelado tradicional”, explica Boiger.

De la salida a la entrada

¿Cómo se puede usar ahora esta IA para encontrar formulaciones óptimas de cemento, con las emisiones de co₂ más bajas posibles y la alta calidad de material? Una posibilidad sería probar varias formulaciones, usar el modelo AI para calcular sus propiedades y luego seleccionar las mejores variantes. Sin embargo, un enfoque más eficiente es revertir el proceso. En lugar de probar todas las opciones, haga la pregunta al revés: ¿Qué composición de cemento cumple con las especificaciones deseadas con respecto al equilibrio de Co₂ y la calidad del material?

Tanto las propiedades mecánicas como las emisiones de CO₂ dependen directamente de la receta. “Visto matemáticamente, ambas variables son funciones de la composición; si esto cambia, las propiedades respectivas también cambian”, explica el matemático.

Para determinar una receta óptima, los investigadores formulan el problema como una tarea de optimización matemática: están buscando una composición que simultáneamente maximice las propiedades mecánicas y minimice las emisiones de co₂. “Básicamente, estamos buscando un máximo y un mínimo, de esto podemos deducir directamente la formulación deseada”, dice el matemático.

Para encontrar la solución, el equipo integró en el flujo de trabajo una tecnología de IA adicional, los llamados algoritmos genéticos: métodos asistidos por competidores inspirados en la selección natural. Esto les permitió identificar selectivamente formulaciones que idealmente combinan las dos variables objetivo.

La ventaja de este “enfoque inverso”: ya no tiene que probar ciegamente innumerables recetas y luego evaluar sus propiedades resultantes; En su lugar, puede buscar específicamente aquellos que cumplan con los criterios específicos deseados, en este caso, propiedades mecánicas máximas con emisiones mínimas de co₂.

Enfoque interdisciplinario con gran potencial

Entre las formulaciones de cemento identificadas por los investigadores, ya hay algunos candidatos prometedores. “Algunas de estas formulaciones tienen un potencial real”, dice Provisis, “no solo en términos de reducción y calidad de Co₂, sino también en términos de viabilidad práctica en la producción”.

Para completar el ciclo de desarrollo, sin embargo, las recetas primero deben probarse en el laboratorio. “No vamos a construir una torre con ellos de inmediato sin probarlos primero”, dice Prasianakis con una sonrisa.

El estudio sirve principalmente como una prueba de concepto, es decir, como evidencia de que las formulaciones prometedoras pueden identificarse puramente por cálculo matemático. “Podemos extender nuestra herramienta de modelado de IA según sea necesario e integrar aspectos adicionales, como la producción o disponibilidad de materias primas, o donde se utilizará el material de construcción, por ejemplo, en un entorno marino, donde el cemento y el concreto se comportan de manera diferente, o incluso en el desierto”, dice Boiger.

Prasianakis ya está mirando hacia el futuro: “Este es solo el comienzo. Los ahorros de tiempo ofrecidos por un flujo de trabajo tan general son enormes, lo que hace que sea un enfoque muy prometedor para todo tipo de diseños de materiales y sistemas”.

Sin los antecedentes interdisciplinarios de los investigadores, el proyecto nunca se habría hecho realidad. “Necesitábamos químicos de cemento, expertos en termodinámica, especialistas en IA, y un equipo que pudiera unir todo esto”, dice Prasianakis. “Se agregó a esto el importante intercambio con otras instituciones de investigación, como Empa, en el marco del proyecto de escena”.

La escena (el Centro de Excelencia Suiza en las emisiones netas de cero) es un programa de investigación interdisciplinario que tiene como objetivo desarrollar soluciones científicamente sólidas para reducir drásticamente las emisiones de gases de efecto invernadero en la industria y el suministro de energía. El estudio se llevó a cabo como parte de este proyecto.