作為建筑材料，混凝土經(jīng)得起時間的考驗。它的使用可以追溯到早期文明，今天它是世界上最受歡迎的復合材料選擇。然而，它并非沒有缺點。其關鍵成分水泥的生產(chǎn)占全球人為 CO 2排放量的8-9%和能源消耗量的 2-3%，預計未來幾年還會增加。隨著美國基礎設施老化，聯(lián)邦政府最近通過了一項具有里程碑意義的法案，以振興和升級它，并盡可能減少溫室氣體排放，也將混凝土放在現(xiàn)代化的十字準線中。

麻省理工學院材料科學與工程系 Esther 和 Harold E. Edgerton 副教授 Elsa Olivetti 以及麻省理工學院-IBM Watson AI Lab 研究科學家兼經(jīng)理 Jie Chen 認為，人工智能可以通過設計和制定新的，更可持續(xù)的混凝土混合物，具有更低的成本和二氧化碳排放量，同時提高材料性能并重復利用材料本身的制造副產(chǎn)品。Olivetti 的研究提高了材料的環(huán)境和經(jīng)濟可持續(xù)性，Chen 開發(fā)和優(yōu)化了機器學習和計算技術，他可以將這些技術應用于材料重組。Olivetti 和 Chen 以及他們的合作者最近聯(lián)手開展了 MIT-IBM Watson AI Lab 項目，旨在使混凝土更具可持續(xù)性，以造福社會、氣候和經(jīng)濟。

問：混凝土有哪些應用，哪些特性使其成為首選的建筑材料?

Olivetti：混凝土是全球主要的建筑材料，年消耗量為 300 億公噸。這是第二大生產(chǎn)材料鋼鐵的 20 多倍，其使用規(guī)模會導致相當大的環(huán)境影響，約占全球溫室氣體 (GHG) 排放量的 5-8%。它可以在本地制造，具有廣泛的結構應用，并且具有成本效益?；炷潦羌毠橇虾痛止橇?、水、水泥粘合劑(膠水)和其他添加劑的混合物。

問：為什么它不可持續(xù)，你想通過這個項目解決哪些研究問題?

Olivetti：社區(qū)正在研究多種方法來減少這種材料的影響，包括用于加熱水泥混合物的替代燃料、提高能源和材料效率以及生產(chǎn)設施的碳封存，但一個重要的機會是開發(fā)一種替代材料水泥粘合劑。

雖然水泥占混凝土質(zhì)量的 10%，但它占溫室氣體足跡的 80%。這種影響源于燃料燃燒以加熱和運行制造所需的化學反應，但化學反應本身也會釋放 CO 2來自石灰石的煅燒。因此，用來自廢物和副產(chǎn)品的替代材料部分替代水泥的輸入成分(傳統(tǒng)的普通波特蘭水泥或 OPC)可以減少溫室氣體足跡。但是，使用這些替代品本質(zhì)上并不是更可持續(xù)，因為廢物可能需要長途跋涉，這會增加燃料排放和成本，或者可能需要預處理過程。使用這些替代材料的最佳方式取決于具體情況。但由于規(guī)模龐大，我們還需要解決方案來解決所需的大量混凝土。該項目正試圖開發(fā)新型混凝土混合物，以減少水泥和混凝土的溫室氣體影響，從試錯過程轉(zhuǎn)向更具預測性的過程。

陳：如果我們想應對氣候變化并改善我們的環(huán)境，我們可以使用替代成分或重新配方來減少溫室氣體排放嗎?我們希望通過這個使用機器學習的項目，我們能夠找到一個好的答案。

問：在歷史的這個時刻，為什么現(xiàn)在解決這個問題很重要?

Olivetti：迫切需要盡可能積極地解決溫室氣體排放問題，但對所有行業(yè)領域而言，這樣做的道路并不一定是直截了當?shù)摹τ谶\輸和發(fā)電，已經(jīng)確定了使這些部門脫碳的途徑。我們需要更積極地采取行動，以在需要的時間內(nèi)實現(xiàn)這些目標;此外，實現(xiàn)這一目標的技術方法更加明確。然而，對于難以脫碳的行業(yè)，例如工業(yè)材料生產(chǎn)，脫碳的途徑并沒有被描繪出來。

問：您打算如何解決這個問題以生產(chǎn)更好的混凝土?

Olivetti：我們的目標是預測混合物既能滿足強度和耐久性等性能標準，又能平衡經(jīng)濟和環(huán)境影響。其中一個關鍵是在混合水泥和混凝土中使用工業(yè)廢物。為此，我們需要了解組成材料的玻璃和礦物反應性。這種反應性不僅決定了在水泥系統(tǒng)中可能使用的限制，而且還控制混凝土加工、強度和孔隙結構的發(fā)展，最終控制混凝土的耐久性和生命周期的 CO 2排放。

陳：我們研究用廢料代替部分水泥成分。這是我們假設的更可持續(xù)和更經(jīng)濟的東西——實際上廢料很常見，而且成本更低。由于水泥用量的減少，最終的混凝土產(chǎn)品產(chǎn)生的二氧化碳會少得多。在實現(xiàn)其他目標的同時，找出合適的混凝土混合物比例來制造耐用的混凝土是一個非常具有挑戰(zhàn)性的問題。機器學習讓我們有機會探索預測建模、不確定性量化和優(yōu)化的進步以解決問題。我們正在做的是探索使用深度學習和多目標優(yōu)化技術的選項來找到答案。這些努力現(xiàn)在更可行，

問：您為此使用了哪些人工智能和計算技術?

Olivetti：我們使用人工智能技術通過自然語言處理從文獻中收集有關單個混凝土成分、混合比例和混凝土性能的數(shù)據(jù)。我們還添加了從工業(yè)和/或高吞吐量原子建模和實驗中獲得的數(shù)據(jù)，以優(yōu)化混凝土混合物的設計。然后，我們利用這些信息深入了解可能的廢物和副產(chǎn)品材料作為低 CO 2混凝土水泥材料替代品的反應性。通過結合混凝土成分的通用信息，預計由此產(chǎn)生的混凝土性能預測器將比現(xiàn)有的 AI 模型更可靠和更具變革性。

陳：最終目標是弄清楚在生產(chǎn)混凝土的配方中加入哪些成分以及每種成分的含量，以優(yōu)化各種因素：強度、成本、環(huán)境影響、性能等。對于每個目標，我們需要某些模型：我們需要一個模型來預測混凝土的性能(例如，它可以使用多長時間以及它承受多少重量?)、一個估算成本的模型以及一個估算二氧化碳排放量的模型生成。我們需要使用來自文獻、行業(yè)和實驗室實驗的數(shù)據(jù)來構建這些模型。

我們正在探索高斯過程模型來預測混凝土強度，持續(xù)數(shù)天和數(shù)周。該模型也可以為我們提供預測的不確定性估計。這樣的模型需要指定參數(shù)，我們將使用另一個模型來計算。同時，我們也探索神經(jīng)網(wǎng)絡模型，因為我們可以將人類經(jīng)驗中的領域知識注入其中。有些模型像多層感知一樣簡單，而有些則更復雜，比如圖神經(jīng)網(wǎng)絡。這里的目標是我們想要一個不僅準確而且健壯的模型——輸入數(shù)據(jù)是有噪聲的，模型必須包含噪聲，這樣它的預測對于多目標優(yōu)化仍然準確可靠。

一旦我們建立了我們有信心的模型，我們就會將他們的預測和不確定性估計注入到在約束和不確定性下的多個目標的優(yōu)化中。

問：您如何平衡成本收益權衡?

陳：我們考慮的多重目標不一定是一致的，有時是相互矛盾的。目標是確定不能在不損害一個或幾個的情況下同時進一步推動我們目標的價值的情況。例如，如果您想進一步降低成本，您可能不得不承受性能或環(huán)境影響。最終，我們會將結果提供給決策者，他們將研究結果并權衡選擇。例如，在溫室氣體顯著減少的情況下，他們可能能夠容忍略高的成本。或者，如果成本變化不大，但具體性能發(fā)生了巨大變化，例如翻倍或三倍，那么這絕對是一個有利的結果。

問：您在這項工作中面臨哪些挑戰(zhàn)?

陳：我們從行業(yè)或文獻中得到的數(shù)據(jù)非常嘈雜;具體的測量值可能會有很大差異，具體取決于測量的地點和時間。當我們整合來自不同來源的數(shù)據(jù)時，也會有大量缺失的數(shù)據(jù)，因此，我們需要花費大量精力來組織和使數(shù)據(jù)可用于構建和訓練機器學習模型。我們還在預測建模和不確定性估計中探索了替代缺失特征的插補技術，以及容忍缺失特征的模型。

Q：你希望通過這部作品獲得什么?

陳：最后，我們向制造商和政策制定者建議一個或幾個具體的配方，或連續(xù)的配方。我們希望這將為建筑業(yè)和保護我們心愛的地球的努力提供寶貴的信息。

Olivetti：我們希望開發(fā)一種穩(wěn)健的方法來設計利用廢料來降低 CO 2 的水泥腳印。沒有人試圖制造浪費，所以如果我們希望它具有大規(guī)?？蓴U展性，我們就不能依賴一個流作為原料。我們必須靈活而穩(wěn)健地適應原料變化，為此我們需要提高理解力。我們開發(fā)本地、動態(tài)和靈活替代方案的方法是了解是什么使這些廢物具有反應性，因此我們知道如何優(yōu)化它們的使用并盡可能廣泛地這樣做。我們通過在我的團隊中開發(fā)的軟件進行預測模型開發(fā)，自動從超過 500 萬篇文本和各種主題的專利文獻中提取數(shù)據(jù)。我們將其與 IBM 合作者的創(chuàng)造性能力聯(lián)系起來，以設計預測新水泥最終影響的方法。如果我們成功，

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！