AI Impulsiona o Desenvolvimento de Cimento Verde

Pesquisadores utilizam machine learning para desenvolver formulações alternativas de cimento, buscando reduzir a emissão de CO₂ associada à produção desse material vital na construção civil.

Contexto da pesquisa

A indústria de cimento é responsável por cerca de 8% das emissões globais de CO₂, um impacto ambiental significativo. O Instituto Paul Scherrer (PSI) na Suíça está na vanguarda, utilizando IA para explorar novas receitas de cimento que mantenham a qualidade do material com uma pegada de carbono reduzida.

Método proposto

Os pesquisadores do PSI empregaram uma abordagem de aprendizado de máquina combinada com simulações termodinâmicas e modelos mecânicos. A técnica se baseia em redes neurais artificiais, que aceleram o cálculo de propriedades mecânicas dos compostos de cimento, reduzindo o tempo de processamento de minutos para milissegundos.

“Isso permite simular e otimizar formulações de cimento que emitem significativamente menos CO₂, mantendo o mesmo alto nível de desempenho mecânico”
(“This allows us to simulate and optimize cement formulations so that they emit significantly less CO₂ while maintaining the same high level of mechanical performance.”)

— Romana Boiger, Matematica, PSI

Resultados e impacto

Os resultados preliminares mostraram que as novas formulações poderiam reduzir significativamente as emissões de carbono. A pesquisa se baseou na combinação de dados experimentais com simulações, permitindo assim uma abordagem mais direta e eficiente para encontrar composições sustentáveis. O estudo foi publicado na revista Materials and Structures.

“Identificamos formulações promissoras que não só têm potencial para redução de CO₂, mas também são viáveis na produção”
(“Some of these formulations have real potential, not only in terms of CO₂ reduction and quality, but also in terms of practical feasibility in production.”)

— John Provis, Químico de Cimento, PSI

A pesquisa propõe mudanças significativas em como a indústria de construção aborda a sustentabilidade. Os próximos passos incluem testes laboratoriais das formulações identificadas por IA e a exploração de como integrar aspectos como a disponibilidade de matérias-primas e especificidades de aplicação.

Fonte: (TechXplore – Machine Learning & AI)