人工智能快速生成环保水泥配方，助力减排

水泥行业每年排放的二氧化碳占全球排放量的8%左右，超过整个航空业的总排放量。瑞士保罗谢勒研究所（PSI）的研究人员开发了一种基于人工智能的模型，可以快速生成低碳足迹的新水泥配方，同时保持材料的高强度性能。 传统的水泥生产过程中，需要将石灰岩粉在旋转窑中加热至1400摄氏度，制成熟料，这是制备成品水泥的原材料。然而，这种高温通常无法单靠电力实现，而需依赖高能耗的燃烧过程，其结果是排放大量二氧化碳。虽然燃烧过程中产生的二氧化碳不到总排放的一半，但大部分都来自原料中的化学结合部分，尤其是石灰岩在高温下的分解过程。 为了减少这些排放，研究人员提出了修改水泥配方的战略，即用其他胶凝材料部分替代熟料。这种方法不仅可以减少二氧化碳排放，还能提高水泥的质量。PSI废物管理实验室的研究团队利用机器学习算法，开发了这一新的建模方法。数学家罗玛娜·博伊格（Romana Boiger），该研究的第一作者表示：“这使我们能够在 seconds 内生成实用的配方建议，相当于拥有一本数字化的环保水泥配方书。”研究员尼古拉奥斯·普拉萨尼亚基斯（Nikolaos Prasianakis）也指出，他们的方法显著加速了研发周期，筛选出有潜力的配方供进一步实验验证。 研究团队使用了开源热力学建模软件GEMS，生成了大量训练数据。这些数据涵盖了不同水泥配方在硬化过程中形成的矿物及其相关的地质化学反应。随后，他们将这些计算结果与实验数据和力学模型相结合，得到一个可靠的机械性能指标，从而评估水泥的质量。每个原材料成分还被分配了相应的二氧化碳因子，以便计算总排放量。普拉萨尼亚基斯解释说，这是一个非常复杂且计算密集的工作，但最终证明是值得的。 通过训练好的神经网络，研究人员可以在毫秒内计算出任意水泥配方的机械性能，速度快了约1000倍。更高效的策略是从目标出发，逆向寻找最佳配方。这意味着不再盲目地测试无数种配方，而是直接寻找那些符合所需标准的配方，包括最小化二氧化碳排放和最大化材料质量。为此，研究团队结合了遗传算法，这是一种受自然选择启发的计算机辅助方法，能够有效识别同时优化两个变量的配方。 研究人员已经找到了一些有潜力的水泥配方。约翰·普罗维斯（John Provis）表示：“这些配方不仅在二氧化碳减排和质量方面表现优异，而且在生产实践中也具有可行性。”然而，正式投产前还需要进一步的实验室测试。博伊格强调，“我们的研究成果主要是一个概念验证，证明可以通过纯粹的数学计算来识别有潜力的配方。未来，我们可以根据需要扩展和改进这一AI建模工具，纳入更多因素，如原材料的生产或可获得性，以及特定使用环境的要求。” 这个项目的成功离不开研究团队的跨学科合作，“我们需要水泥化学家、热力学专家、AI专家——以及能够把它们结合起来的团队，”普拉萨尼亚基斯说。“此外，还需与其他研究机构如EMPA（瑞士联邦材料科学与技术实验室）交流，这是我们参与SCENE项目的一部分。” SCENE（瑞士零排放中心）是一个跨学科研究项目，旨在为工业和能源供应领域开发科学依据的大幅减少温室气体排放的解决方案。研究团队的方法被认为有很大的潜力，可以极大地节省时间，适用于各种材料和系统设计。这项成果不仅有助于环境保护，也为未来的材料科学研究提供了重要启示。