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

콘크리트는 지구상에서 가장 널리 사용되는 건축 자재로, 우리 도시와 교량, 도로의 골격을 형성합니다. 그러나 이 콘크리트를 결합하는 시멘트를 만드는 과정은 전 세계 이산화탄소 배출량의 약 8%를 차지하며 기후 변화에 막대한 영향을 미칩니다. 업계는 지구를 가열하지 않고도 건설할 수 있는 방법을 찾기 위해 엄청난 압박을 받고 있으며, 이에 따라 과학자들은 '석회암 소성 점토 시멘트'라고 알려진 특정 유형의 저탄소 결합재를 탐구하고 있습니다. 이 재료는 전통적이고 에너지 집약적인 시멘트 성분의 상당 부분을 상대적으로 낮은 온도에서 구운 풍부한 천연 재료인 점토와 분쇄된 석회암으로 대체하기 때문에 유망합니다. 하지만 건물을 지탱할 만큼 충분히 강하면서도 환경을 돕기 위해 탄소 배출은 낮게 유지하는 혼합물을 만드는 것은 복잡한 퍼즐입니다. 이 새로운 시멘트의 강도는 단일 성분에 의존하는 것이 아니라, 재료가 경화됨에 따라 시간이 흐르며 반응하는 점토, 석회암, 남은 전통적 시멘트, 그리고 소량의 석고 사이의 섬세하고 비선형적인 상호작용의 춤에 달려 있습니다.

수십 년 동안 엔지니어들은 이러한 혼합물을 설계하기 위해 간단한 경험칙에 의존해 왔지만, 이러한 전통적인 방식은 이 다성분 체계의 복잡한 화학 작음을 포착하는 데 어려움을 겪습니다. 그들은 한 성분의 양을 변화시키는 것이 최종 강도에 어떻게 영향을 미치는지 정확하게 예측하지 못하는 경우가 많으며, 이로 인해 너무 약하거나 탄소 배출량이 불필요하게 높은 혼합물이 만들어지기도 합니다. 이를 해결하기 위해 란저우 교통 대학교와 카디프 대학교의 연구진은 다른 접근 방식을 취했습니다. 그들은 컴퓨터가 실험 결과의 포괄적인 데이터 세트를 학습하여 게임의 규칙을 배우도록 했습니다. 데이터를 단순한 공식에 억지로 끼워 맞추는 대신, 그들은 정교한 머신러닝 모델이 성분 간의 상호작용 속에 숨겨진 패턴을 인식하도록 훈련시켰습니다. 연구진은 복잡한 관계를 찾는 데 탁-월한 XGBoost라는 특정 유형의 알고리즘을 사용했으며, 이를 초식동물의 방어 전략에서 영감을 얻은 새로운 최적화 방법으로 미세 조정했습니다. 이러한 생물학적 영감은 컴퓨터가 국소적인 해답에 갇히는 것을 방ло지하여, 모델의 최적 설정을 찾기 위해 광범위한 가능성을 탐색할 수 있도록 도왔습니다.

그 결과, 석회암 소성 점토 시멘트의 강도를 놀라운 정밀도로 예측할 수 있는 고도로 정확한 디지털 도구가 탄ye되었습니다. 실제 데이터와 대조했을 때, 이 모델은 거의 94%의 사례에서 결과를 정확히 예측하며 다른 표준 예측 방법들을 크게 능가했습니다. 더 중요한 것은, 이 모델이 단순히 숫자만을 내놓는 '블랙박스' 역할을 하는 데 그치지 않았다는 점입니다. 연구진은 고급 분석 기법을 사용하여 모델이 왜 그러한 예측을 했는지 정확히 이해했습니다. 그들은 시멘트의 강도가 전통적인 시멘트의 양에 의해서만 결정되는 것이 아니라, 시멘트 입자의 비표면적과 첨가된 석고의 정밀한 양에 의해 크게 영향을 받는다는 것을 발견했습니다. 분석 결과, 석고는 핵심적인 화학적 조절제 역할을 한다는 것이 밝혀졌습니다. 석고가 너무 적으면 불안정한 반응이 일어나고, 너무 많으면 나중에 재료가 팽창하고 균열이 생길 수 있습니다. 컴퓨터는 혼합물의 '스윗 스팟(최적 지점)'을 찾아냈습니다: 전통적 시멘트 4055%, 소성 점토 2535%, 석회암 1525%, 그리고 석고 35%를 포함하는 배합입니다.

이 특정 범위 내에서 연구진은 재료가 최대 강도를 달면서 환경 발자국을 최소화한다는 것을 발견했습니다. 레시피를 이 최적화된 비율로 전환함으로써, 새로운 시멘트는 전통적인 보통 포틀랜드 시멘트보다 41.9%에서 53.2% 더 적은 이산화탄소를 배출합니다. 이러한 감소가 중요한 이유는 표준 시멘트에 필요한 고온 소성 과정을 피함으로써 생산 과정 자체에서 발생하는 탄소를 줄이기 때문입니다. 이 발견을 현장의 엔지니어들이 활용할 수 있도록, 연구팀은 사용자가 목표 강도와 양생 시간을 입력하면 즉시 최적화된 배합 설계를 돌려받을 수 있는 간단하고 대화형인 소프트웨어 시스템을 구축했습니다. 비록 이번 연구가 실험실 샘-플을 대상으로 수행되었으며 실제 골재 및 건설 조건에 대한 추가 테스트가 필요하지만, 이 작업은 건설 산업을 위한 견고하고 데이터 중심적인 경로를 제공합니다. 이는 실험 과학과 지능형 데이터 분석을 결합함으로써 더 강하면서도 더 깨끗한 건축 자재를 설계할 수 있음을 보여주며, 글로벌 인프라를 위한 보다 지속 가능한 미래를 향한 실질적인 발걸음을 제시합니다.