Data-driven prediction and low-carbon optimization of limestone calcined clay cement compressive strength using CPO-XGBoost

تُعد الخرسانة المادة الإنشائية الأكثر استخداماً على وجه الأرض، فهي تشكل الهيكل العظمي لمدننا وجسورنا وطرقنا. ومع ذلك، فإن عملية صنع الإسمنت الذي يربط هذه الخرسانة معاً تُعد مساهماً هائلاً في تغير المناخ العالمي، حيث إنها مسؤولة عن نحو ثمانية بالمائة من جميع انبعاثات ثاني أكسيد الكربون. ويواجه هذا القطاع ضغوطاً هائلة لإيجاد وسيلة للبناء دون تسخين الكوكب، مما دفع العلماء إلى استكشاف نوع محدد من الروابط منخفضة الكربون يُعرف باسم "إسمنت الطين الجيري المحروق". وتعد هذه المادة واعدة لأنها تستبدل جزءاً كبيراً من مكون الإسمنت التقليدي المستهلك للطاقة بمادتين وفيرتين وطبيعتين: الطين الذي تم خبزه في درجات حرارة منخفضة نسبياً والحجر الجيري المسحوق. ومع ذلك، فإن إنشاء خليط يكون قوياً بما يكفي لدعم مبنى ومنخفض الكربون بما يكفي لمساعدة البيئة هو لغز معقد. فلا تعتمد قوة هذا الإسمنت الجديد على مكون واحد، بل على رقصة دقيقة وغير خطية من التفاعلات بين الطين والحجر الجيري والإسمنت التقليدي المتبقي وكمية صغيرة من الجبس، وكلها تتفاعل بمرور الوقت أثناء تصلب المادة.

لعقود من الزمن، اعتمد المهندسون على قواعد بسيطة لتصميم هذه الخلطات، لكن هذه الأساليب التقليدية تجد صعوبة في استيعاب الكيمياء المعقدة لهذا النظام متعدد المكونات. فهي غالباً ما تفشل في التنبؤ بدقة بكيفية تأثير تغيير كمية أحد المكونات على القوة النهائية، مما يؤدي إلى خلطات تكون إما ضعيفة جداً أو ثقيلة بشكل غير ضروري من حيث الانبعاثات الكربونية. ولحل هذه المشكلة، لجأ فريق من الباحثين من جامعة لانزو جياوتونغ وجامعة كارديف إلى نهج مختلف: لقد تركوا الحاسوب يتعلم قواعد اللعبة من خلال دراسة مجموعة بيانات شاملة من النتائج التجريبية. وبدلاً من فرض البيانات في صيغة بسيطة، قاموا بتدريب نموذج تعلم آلي متطور للتعرف على الأنماط الخفية في كيفية تفاعل هذه المكونات. وقد استخدم الباحثون نوعاً معيناً من الخوارزميات يسمى (XGBoost)، وهو ممتاز في إيجاد العلاقات المعقدة، وقاموا بضبطه بدقة باستخدام طريقة تحسين جديدة مستوحاة من استراتيجيات الدفاع لدى "النيص المتوج". ساعد هذا الإلهام البيولوجي الحاسوب على تجنب الوقوع في حلول محلية، مما سمح له باستكشاف نطاق واسع من الاحتمالات لإيجاد أفضل الإعدادات المطلقة للنموذج.

وكانت النتيجة أداة رقمية عالية الدقة قادرة على التنبؤ بقوة إسمنت الطين الجيري المحروق بدقة ملحوءة. وعند اختبارها مقابل بيانات من العالم الحقيقي، تنبأ النموذج بالنتيجة بدقة في ما يقرب من 94 بالمائة من الحالات، متفوقاً بفارق كبير على طرق التنبؤ القياسية الأخرى. والأهم من ذلك، أن النموذج لم يعمل مجرد "صندوق أسود" يعطي رقماً فحسب؛ بل استخدم الباحثون تقنيات تحليل متقدمة لفهم السبب وراء تنبؤات النموذج بدقة. وقد اكتشفوا أن قوة الإسمنت لا تعتمد فقط على كمية الإسمنت التقليدي المستخدم، بل تتأثر بشدة بمساحة السطح النوعية لجسيمات الإسمنت والكمية الدقيقة من الجبس المضافة. وكشف التحليل أن الجبس يعمل كمنظم كيميائي حاسم؛ فكميته القليلة تؤدي إلى تفاعلات غير مستقرة، بينما قد تؤدي زيادته إلى تمدد المادة وتصدعها لاحقاً. وقد حدد الحاسوب "النقطة المثالية" للخليط: وهي مزيج يحتوي على ما بين 40 و55 بالمائ المائ من الإسمنت التقليدي، و25 إلى 35 بالمائ من الطين المحروق، و15 إلى 25 بالمائ من الحجر الجيري، و3 إلى 5 بالمائ من الجبس.

وضمن هذه النطاقات المحددة، وجد الباحثون أن المادة تحقق أقصى قوة لها مع تقليل بصمتها البيئية إلى أدنى حد. ومن خلال نقل الوصفة إلى هذه النسب المحسنة، ينتج الإسمنت الجديد ما بين 41.9 و53.2 بالمائ أقل من ثاني أكسيد الكربون مقارنة بالإسمنت البورتلاندي العادي التقليدي. وهذا الانخفاض كبير لأنه يأتي من عملية الإنتاج نفسها، متجنباً عملية الخبز عالية الحرارة المطلوبة للإسمنت القياسي. ولجعل هذا الاكتشاف مفيداً للمهندسين في الميدان، بنى الفريق نظام برمجيات تفاعلي بسيط يسمح للمستخدمين بإدخال القوة المستهدفة ووقت المعالجة، والحصول فوراً على تصميم خليط مُحسّن في المقابل. وبينما أُجريت هذه الدراسة على عينات مختبرية وتتطلب مزيداً من الاختبارات مع الركام وظروف البناء في العالم الحقيقي، فإن هذا العمل يوفر مساراً قوياً قائماً على البيانات. وهو يثبت أنه من خلال الجمع بين العلوم التجريبية والتحليل الذكي للبيانات، يمكن تصميم مواد بناء تكون أقوى وأنظف في آن واحد، مما يقدم خطوة ملموسة نحو مستقبل أكثر استدامة للبنية التحتية العالمية.