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

El hormigón es el material de construcción más utilizado en la Tierra, formando el esqueleto de nuestras ciudades, puentes y carreteras. Sin embargo, el proceso de fabricación del cemento que une este hormigón es un contribuyente masivo al cambio climático global, responsable de aproximadamente el ocho por ciento de todas las emisiones de dióxido de carbono. La industria se encuentra bajo una presión inmensa para encontrar una forma de construir sin calentar el planeta, lo que ha llevado a los científicos a explorar un tipo específico de aglutinante bajo en carbono conocido como cemento de arcilla calcinada y caliza. Este material es prometedor porque reemplaza una gran parte del ingrediente de cemento tradicional, que consume mucha energía, con dos materiales abundantes y de origen natural: arcilla que ha sido horneada a temperaturas relativamente bajas y caliza triturada. No obstante, crear una mezcla que sea lo suficientemente fuerte como para sostener un edificio y lo suficientemente baja en carbono como para ayudar al medio ambiente es un rompecabezas complejo. La resistencia de este nuevo cemento no depende de un solo ingrediente, sino de una danza delicada y no lineal de interacciones entre la arcilla, la caliza, el cemento tradicional restante y una pequeña cantidad de yeso, todos reaccionando a lo largo del tiempo mientras el material endurece.

Durante décadas, los ingenieros han dependido de reglas empíricas simples para diseñar estas mezclas, pero estos métodos tradicionales luchan por capturar la intrincada química de este sistema de múltiples componentes. A menudo no logran predecir exactamente cómo el cambio en la cantidad de un ingrediente afectará la resistencia final, lo que conduce a mezclas que son demasiado débiles o innecesariamente pesadas en emisiones de carbono. Para resolver esto, un equipo de investigadores de la Universidad de Lanzhou Jiaotong y la Universidad de Cardiff recurrió a un enfoque diferente: dejaron que una computadora aprendiera las reglas del juego estudiando un conjunto exhaustivo de datos de resultados experimentales. En lugar de forzar los datos en una fórmula simple, entrenaron un sofisticado modelo de aprendizaje automático para reconocer los patrones ocultos en la forma en que estos ingredientes interactúan. Los investigadores utilizaron un tipo específico de algoritmo llamado XGBoost, que es excelente para encontrar relaciones complejas, y lo perfeccionaron utilizando un nuevo método de optimización inspirado en las estrategias de defensa del puercoespín crestado. Esta inspiración biológica ayudó a la computadora a evitar quedarse estancada en soluciones locales, permitiéndole explorar un vasto rango de posibilidades para encontrar los ajustes absolutos mejores para el modelo.

El resultado fue una herramienta digital altamente precisa capaz de predecir la resistencia de un cemento de arcilla calcinada y caliza con una precisión notable. Al ser probada contra datos del mundo real, el modelo predijo correctamente el resultado en casi el 94 por ciento de los casos, superando con creces otros métodos de predicción estándar. Más importante aún, el modelo no actuó simplemente como una caja negra que entrega un número; los investigadores utilizaron técnicas de análisis avanzado para comprender exactamente por qué el modelo realizaba sus predicciones. Descubrieron que la resistencia del cemento no es impulsada únicamente por la cantidad de cemento tradicional que se utiliza, sino que está fuertemente influenciada por el área superficial específica de las partículas de cemento y la cantidad precisa de yeso añadida. El análisis reveló que el yeso actúa como un regulador químico crítico; demasiado poco conduce a reacciones inestables, mientras que demasiado puede causar que el material se expanda y se agriete más adelante. La computadora identificó un "punto ideal" para la mezcla: una combinación que contiene entre el 40 y el 55 por ciento de cemento tradicional, del 25 al 35 por ciento de arcilla calcinada, del 15 al 25 por ciento de caliza y del 3 al 5 por ciento de yeso.

Dentro de estos rangos específicos, los investigadores encontraron que el material alcanza su máxima resistencia minimizando su huella ambiental. Al desplazar la receta hacia estas proporciones optimizadas, el nuevo cemento produce entre un 41.9 y un 53.2 por ciento menos de dióxido de carbono que el cemento Portland ordinario tradicional. Esta reducción es significativa porque proviene del propio proceso de producción, evitando el horneado de alta temperatura requerido para el cemento estándar. Para hacer este descubrimiento útil para los ingenieros en el campo, el equipo construyó un sistema de software simple e interactivo que permite a los usuarios ingresar su resistencia objetivo y tiempo de curado, recibiendo a cambio un diseño de mezcla optimizado de forma instantánea. Si bien el estudio se realizó en muestras de laboratorio y requiere de más pruebas con agregados del mundo real y condiciones de construcción reales, el trabajo proporciona una vía robusta y basada en datos para la industria de la construcción. Demuestra que, al combinar la ciencia experimental con el análisis de datos inteligente, es posible diseñar materiales de construcción que sean tanto más fuertes como más limpios, ofreciendo un paso tangible hacia un futuro más sostenible para la infraestructura global.