Die Kohlendioxidemissionen der Zementindustrie machen etwa 8% der globalen Emissionen aus und übertreffen die globale Luftfahrtindustrie. Kürzlich entwickelten Forscher des Paul Scheller Institute (PSI) ein Modell für künstliche Intelligenz, das die Entwicklung neuer Zementformeln beschleunigen wird, um den CO2-Fußabdruck zu reduzieren und gleichzeitig die materielle Qualität aufrechtzuerhalten.
Während des Zementproduktionsprozesses wird der Drehöfen auf eine hohe Temperatur von 1400 ° C erhitzt und der Bodenkalkstein in Klinker verbrannt. Dieser Prozess ist ein energieintensiver Verbrennungsprozess, der eine große Menge Kohlendioxid abgibt. Es ist jedoch überraschend, dass der Verbrennungsprozess weniger als die Hälfte der gesamten Kohlendioxidemissionen erzeugt und der größte Teil des Kohlendioxids von den Rohstoffen stammt, die zur Herstellung von Klinker und Zement erforderlich sind. Kalkstein bindet chemisch daran, wenn es in Hochtemperaturöfen umgewandelt wird.
Eine wirksame Strategie zur Verringerung der Emissionen in der Zementindustrie besteht darin, die Zementformel zu ändern und einen Klinker durch alternative Zementmaterialien zu ersetzen. Das interdisziplinäre Team des Waste Management Laboratory des Center for Nuclear Engineering and Science des Paul Scheller-Instituts hat daran gearbeitet. Anstatt sich auf zeitaufwändige Experimente oder komplexe Simulationen zu verlassen, haben sie Modellierungsmethoden entwickelt, die auf maschinellem Lernen basieren.
Dies ermöglicht es uns, Zementformulierungen zu simulieren und zu optimieren, um die Kohlendioxidemissionen signifikant zu reduzieren und gleichzeitig hohe mechanische Eigenschaften aufrechtzuerhalten. Anstatt Tausende von Rezepten im Labor zu testen, kann die Verwendung des Modells in wenigen Sekunden praktische Rezeptvorschläge erzeugen, genau wie ein digitales Rezept für klimafreundliches Zement.
Mit dem neuen Ansatz können Forscher Zementformulierungen selektiv überprüfen, die die erwarteten Kriterien erfüllen. Nicholas Placianakis, Leiter der Forschungsgruppe der Transportmechanismus, Forschungsinitiatorin und Co-Autor des Paul Scheller-Instituts, sagte: Der Bereich der Möglichkeiten für die materielle Zusammensetzung ist breit und bestimmt letztendlich die Leistung. Unsere Methode kann den Entwicklungszyklus erheblich beschleunigen, indem sie vielversprechende Kandidatenmaterialien für die weitere experimentelle Forschung auswählt. Die Ergebnisse der Studie werden in den Journalmaterialien und -strukturen veröffentlicht.
Zement ist ein wichtiger Teil der modernen Welt. Es wird mit Sand, Kies und Wasser gemischt und wird Beton. Es ist weit verbreitet und langlebig und ein unverzichtbares Material für die Infrastrukturkonstruktion. Heute verbrauchen Menschen mehr Zement als Nahrung, etwa 1,5 Kilogramm pro Person und Tag. John Providers, Leiter des Forschungsteams am Paul Scheller Institute und Co-Autor der Studie, sagte, dass die Verbesserung der Zementemissionen um einige Prozentpunkte gleichwertig wäre, um die Kohlendioxidemissionen von Tausenden oder sogar Zehntausenden von Autos zu verringern.
Gegenwärtig wurden industrielle Nebenprodukte wie die Schlacke durch Eisenschmelzen und Flugasche, die von Kohlekraftwerken erzeugt werden, verwendet, um Klinker in Zementformulierungen teilweise zu ersetzen, um die Emissionen zu reduzieren. Die globale Nachfrage nach Zement ist jedoch enorm und kann nicht allein von diesen Materialien erfüllt werden. Provis ist der Ansicht, dass es notwendig ist, große Mengen an Materialien zu liefern, die qualitativ hochwertige, zuverlässige Zement erzeugen können. Die Suche nach einer solchen Kombination ist jedoch eine Herausforderung, da Zement im Wesentlichen ein Mineralbindemittel ist. Der physische Prozess dahinter ist komplex, die Computermodellierung konsumiert Rechenressourcen und ist teuer. Das Forschungsteam stützt sich daher auf künstliche Intelligenz.
Künstliche neuronale Netze können komplexes Computing mithilfe vorhandener Datenschulungen beschleunigen. Forscher des Paul Scheller Institute nutzen dieses Netzwerk, um die für die Schulung erforderlichen Daten zu generieren. ErMit der vom Institut entwickelten thermodynamischen Modellierungssoftware für die Open Source -Software berechneten wir die während der Härtung gebildeten Mineralien und die geochemischen Prozesse, die während verschiedener Zementformulierungen auftreten, kombiniert mit experimentellen Daten und mechanischen Modellen, um zuverlässige mechanische Leistungsindikatoren zur Messung der Zementqualität zu messen, und verwendet Kohlendioxidfaktoren für jede Komponent -Bestätigung der gesamten Gesamtemissionen.
Das geschulte neuronale Netzwerk hat eine extrem schnelle Berechnungsgeschwindigkeit und kann die mechanischen Eigenschaften jeder Zementformel in einigen Millisekunden berechnen, was etwa tausendmal schneller ist als die herkömmliche Modellierung. Um die beste Zementformel zu finden, die sowohl die Kohlendioxidemissionen reduzieren als auch die materielle Qualität sicherstellen kann, beschrieben die Forscher das Problem als mathematische Optimierungsaufgabe, die nach Komponenten suchen, die gleichzeitig die mechanischen Eigenschaften maximieren und die Kohlendioxidemissionen minimieren können. Das Team umfasste auch die Technologie für künstliche Intelligenz genetischer Algorithmen, um Rezepte selektiv zu identifizieren, die die beiden Zielvariablen perfekt kombinieren.
Dieser umgekehrte Ansatz hat offensichtliche Vorteile und erfordert nicht blind unzählige Formeln und bewertet dann Merkmale, sondern nach Formeln, die bestimmte gewünschte Kriterien erfüllen. Unter den von den Forschern identifizierten Zementformeln sind einige vielversprechende Kandidatenformeln entstanden, die nicht nur in Bezug auf die Reduzierung und Qualität der Kohlendioxidemission gut abschneiden, sondern auch eine hohe Durchführbarkeit bei der tatsächlichen Produktion aufweisen. Um den gesamten F & E -Zyklus zu vervollständigen, müssen diese Formeln jedoch zuerst im Labor getestet werden.
Diese Studie ist in erster Linie ein Beweis für das Konzept, vielversprechende Formeln, die allein durch mathematische Berechnungen identifiziert werden können. Forscher sagten, dass Modellierungstools für künstliche Intelligenz nach Bedarf erweitert werden können, um andere Aspekte wie Rohstoffproduktion oder Verfügbarkeit, Gebrauchsszenarien für Baumaterial zu integrieren.
Die Umsetzung dieses Projekts ist untrennbar mit dem interdisziplinären Hintergrund von Forschern verbunden und erfordert Zementchemiker, thermodynamische Experten, Experten für künstliche Intelligenz und Teams, die alle Parteien integrieren. Darüber hinaus ist auch im Rahmen des Szenenprojekts die Kommunikation mit anderen Forschungsinstitutionen wie EMPA von entscheidender Bedeutung. Die Szene (Exzellenzzentrum der Schweiz Net Zero Null) ist ein interdisziplinäres Forschungsprojekt, das darauf abzielt, wissenschaftliche und vernünftige Lösungen zu entwickeln, die die Treibhausgasemissionen im Industrie- und Energieversorgungssektor erheblich reduzieren. Diese Forschung ist Teil des Projekts.
Weitere Informationen: Romana Boiger et al., Maschinelles Lernen beschleunigt die Entdeckung, Materialien und Strukturen für grüne Zementformel (2025)