High-Throughput Bayesian Optimization of Cement-Salt Hydrates Composites for Seasonal Thermochemical Energy Storage

Este artigo demonstra que um framework de otimização bayesiana de alto rendimento acelera efetivamente a descoberta de compósitos de cimento-hidratados salinos custo-efetivos para armazenamento de energia termoquímica sazonal, identificando formulações Pareto-ótimas que melhoram significativamente a energia específica e o equilíbrio entre custo e desempenho em comparação com materiais anteriores à base de cimento.

O essencial

Imagine que você está tentando assar o bolo perfeito, mas, em vez de farinha e açúcar, você está misturando cimento e sais especiais para criar um material que pode "comer" calor durante o verão e "cuspi-lo" durante o inverno. Isso é chamado de Armazenamento Sazonal de Energia Termoquímica. É como uma bateria térmica que poderia manter sua casa aquecida durante todo o inverno usando calor coletado em um dia ensolarado de julho.

O problema? Existem milhares de maneiras de misturar esses ingredientes. Você tem diferentes tipos de sais, diferentes quantidades de água, diferentes quantidades de cimento e diferentes aditivos. Tentar encontrar a receita perfeita por meio de palpites e verificações (o antigo método de "tentativa e erro") levaria anos e custaria uma fortuna.

Este artigo descreve uma maneira mais inteligente de encontrar a melhor receita usando um "chef digital" chamado Otimização Bayesiana (OB).

O Chef Digital (Otimização Bayesiana)

Pense no sistema OB como um assistente superinteligente e incansável que adora aprender.

1. O Jogo de Palpites: Em vez de testar todas as combinações possíveis (o que seria como provar cada bolo único do mundo), o assistente seleciona algumas receitas promissoras para testar primeiro.
2. O Teste de Sabor: A equipe realmente mistura essas pequenas bateladas de pasta de cimento-sal, asse-as e testa quanto calor elas podem armazenar.
3. O Ciclo de Aprendizado: O assistente analisa os resultados. "Ah, muito sal deixou o bolo mole (ele derreteu). Pouca água deixou-o esfarelado. Mas essa mistura específica de Cloreto de Cálcio e cimento funcionou muito bem!"
4. O Próximo Movimento: Com base no que aprendeu, o assistente sugere imediatamente o próximo melhor conjunto de ingredientes para testar. Ele fica cada vez melhor em adivinhar os vencedores, pulando completamente as receitas ruins.

Os Dois Objetivos: Potência vs. Preço

A equipe tinha dois objetivos concorrentes, como tentar comprar um carro que seja ao mesmo tempo o mais rápido e o mais barato.

• Objetivo 1: Energia Máxima (O Carro Rápido): Quanto calor o material pode armazenar por quilograma?
• Objetivo 2: Custo Mínimo (O Carro Barato): Quanto custa o material para produzir por unidade de energia armazenada?

Geralmente, os melhores materiais de armazenamento de energia são muito caros, e os baratos não armazenam muito calor. A equipe queria encontrar a zona "Cachinhos Dourados" — o melhor equilíbrio entre os dois.

A Descoberta: Novos Ingredientes

Os pesquisadores testaram uma enorme variedade de sais. Embora já conhecessem alguns (como Sulfato de Magnésio), usaram seu chef digital para explorar ingredientes que nunca haviam sido testados em cimento antes: Cloreto de Lítio (LiCl), Cloreto de Cálcio (CaCl2) e Nitrato de Zinco (Zn(NO3)2).

Eis o que eles descobriram:

• O Potência (LiCl): A mistura de Cloreto de Lítio foi a "Ferrari" do grupo. Ela armazenou uma quantidade massiva de calor (cerca de 458 kJ por kg), superando os registros anteriores baseados em cimento por um fator de cinco. No entanto, como uma Ferrari, era cara de construir.
• As Opções de Valor (CaCl2 e Zn(NO3)2): Essas misturas foram os "sedãs confiáveis". Elas não armazenaram tanto calor quanto a de Lítio, mas eram muito mais baratas de produzir. Ofereciam um equilíbrio fantástico: bom desempenho por um preço muito baixo.

Os Resultados

Ao usar essa abordagem inteligente e orientada por dados, a equipe não encontrou apenas uma boa receita; encontrou toda uma nova família de materiais.

• Eles descobriram que o cimento (a coisa na sua entrada de garagem) é, na verdade, uma ótima "esponja" para reter esses sais armazenadores de calor, desde que você acerte a receita.
• Eles identificaram uma "Frente de Pareto", que é uma maneira sofisticada de dizer que encontraram os trade-offs absolutos melhores. Você não pode obter mais calor sem pagar mais dinheiro, e não pode obter materiais mais baratos sem armazenar menos calor. Eles encontraram os pontos perfeitos nessa linha.
• Embora esses novos materiais de cimento-sal não sejam tão potentes quanto os materiais de alta tecnologia mais caros feitos de gel de sílica ou vermiculita expandida, eles são muito mais baratos.

A Conclusão

Este artigo prova que você não precisa adivinhar seu caminho para um melhor armazenamento de energia. Ao usar um algoritmo de computador inteligente para orientar os experimentos, a equipe encontrou rapidamente novos materiais de baixo custo que armazenam calor de forma eficiente. É como usar um GPS para encontrar a rota mais rápida através de um labirinto, em vez de correr para cada beco sem saída. Esses novos compósitos de cimento-sal poderiam ser uma maneira prática e acessível de armazenar calor de verão para uso no inverno, ajudando-nos a usar a energia renovável de forma mais eficaz.

Resumo técnico

Resumo Técnico: Otimização Bayesiana de Alta Produtividade de Compósitos de Hidratos de Sal-Cimento para Armazenamento de Energia Termoquímica Sazonal

Declaração do Problema
O armazenamento de energia termoquímica (TCES) baseado em hidratos de sal oferece uma solução promissora para o armazenamento sazonal de calor devido à sua alta densidade energética volumétrica e capacidade de armazenar energia indefinidamente sem perdas térmicas. No entanto, a implementação prática desses sistemas é dificultada pelo design complexo de materiais sorventes. A formulação de compósitos de sal-cimento envolve um espaço de design combinatório altamente não linear, onde o desempenho depende de variáveis acopladas: química do sal, carga de sal, composição do aglomerante e conteúdo de aditivos. Estratégias experimentais tradicionais de tentativa e erro ou de um fator por vez são impraticáveis para navegar eficientemente neste espaço, pois uma exploração completa exigiria milhares de ciclos de síntese e caracterização ao longo de períodos prolongados. Além disso, os materiais TCES existentes à base de cimento frequentemente sofrem de baixa energia específica, enquanto alternativas de alto desempenho (por exemplo, matrizes de gel de sílica ou vermiculita expandida) são frequentemente proibitivas em termos de custo. Há uma necessidade crítica de estratégias orientadas por dados para acelerar a descoberta de compósitos de sal-cimento de alto desempenho e custo eficaz.

Metodologia
Os autores desenvolveram um quadro experimental de alta produtividade e orientado por dados baseado em Otimização Bayesiana (BO) para orientar a formulação de compósitos de hidratos de sal-cimento. A metodologia integra o desenho experimental adaptativo com modelagem termodinâmica:

• Espaço de Design: A otimização explorou um espaço de parâmetros quadridimensional definido por:
  1. Tipo de Sal: Uma variável categórica cobrindo 11 sais hidratados, incluindo candidatos comuns (por exemplo, MgSO₄) e sais pouco investigados (LiCl, CaCl₂, Zn(NO₃)₂).
  2. Concentração de Sal: Definida como a razão de sal dissolvido para a solubilidade máxima a 20°C ($s/s_{max}$).
  3. Razão Água-Cimento ($w/c$): Variando de 0,70 a 1,50.
  4. Razão Aditivo-Cimento ($a/c$): Variando de 0,0 a 30,0 g/kg, utilizando um aditivo anti-sedimentação para mitigar a exsudação.
• Estratégia de Otimização: A campanha utilizou dois pipelines de BO paralelos visando objetivos concorrentes: maximizar a energia específica ($E_d$) e minimizar o custo da energia específica (um Indicador-Chave de Desempenho, KPI, econômico). O fluxo de trabalho empregou modelos substitutos de Processo Gaussiano (GP) com kernels de Função de Base Radial (RBF) e Matérn. Funções de aquisição (Probabilidade de Melhoria, Melhoria Esperada e Limite Inferior de Confiança) equilibraram exploração e exploração.
• Protocolo Experimental: Os compósitos foram sintetizados por um método in-situ onde os sais foram dissolvidos em água e misturados com cimento e aditivos. As amostras foram curadas, secas e granuladas. Isotermas de adsorção de água de alta produtividade foram medidas a 20°C usando um analisador de Sorção de Vapor Dinâmico (DVS) capaz de processar 20 amostras simultaneamente.
• Modelagem Termodinâmica: As isotermas experimentais foram ajustadas usando a equação de Dubinin–Astakhov (DA). Usando a teoria do potencial de Polanyi, as isotermas foram extrapoladas para temperaturas de operação (adsorção a 40°C, dessorção a 90°C). A energia específica ($E_d$) foi calculada com base na variação da captação do ciclo ($\Delta x_{cycle}$) e no calor isostérico de adsorção ($q_{st}$), derivados via equação de Clausius–Clapeyron.

Principais Contribuições

• Primeira Aplicação de BO a TCES de Sal-Cimento: Este estudo representa a primeira aplicação de otimização bayesiana ao design multi-objetivo de compósitos de sal-cimento para TCES, demonstrando a eficácia da aprendizagem sequencial em um problema de descoberta de materiais multi-variável e restrito.
• Expansão do Espaço de Design Químico: O estudo investigou sistematicamente sais (LiCl, CaCl₂, Zn(NO₃)₂) que haviam sido marginalmente explorados ou não relatados anteriormente em sistemas TCES à base de cimento, indo além do foco tradicional no MgSO₄.
• Tratamento de Modos de Falha: O quadro incorporou com sucesso falhas de síntese (por exemplo, deliquescência, incapacidade de endurecer) no ciclo de otimização por meio de estratégias de penalização, permitindo que os modelos substitutos aprendessem os limites das formulações viáveis.
• Descoberta de Pareto-Ótimo: A abordagem identificou um conjunto de soluções não dominadas que oferecem compromissos ótimos entre alta densidade energética e baixo custo de material, revelando regiões distintas de alto desempenho no espaço combinatório.

Resultados
A campanha guiada por BO identificou com sucesso formulações Pareto-ótimas baseadas em LiCl, CaCl₂ e Zn(NO₃)₂:

• Desempenho: A formulação de melhor desempenho, baseada em LiCl (LiCl-S1), alcançou uma energia específica de aproximadamente 458 kJ kg⁻¹ (com base em medições de replicação). Isso representa uma melhoria de até um fator de cinco em comparação com materiais à base de cimento desenvolvidos anteriormente.
• Compromisso Custo-Desempenho: Embora o LiCl-S1 oferecesse a maior densidade energética, veio com um custo de material mais alto. Por outro lado, os compósitos baseados em CaCl₂ e Zn(NO₃)₂ (por exemplo, CaCl₂-S2, Zn(NO₃)₂-S1) exibiram energias específicas mais baixas (150–161 kJ kg⁻¹), mas indicadores-chave de desempenho econômicos significativamente mais favoráveis (3,2–7,6 USD kWh⁻¹), oferecendo uma relação custo-desempenho equilibrada.
• Comparação com a Literatura: Os compósitos otimizados à base de cimento mostraram energias específicas inferiores aos sistemas de gel de sílica ou vermiculita expandida de última geração (que podem exceder 1000–2000 kJ kg⁻¹), mas demonstraram viabilidade econômica superior devido ao baixo custo da matriz de cimento.
• Repetibilidade: A análise de reteste de amostras Pareto-ótimas confirmou a robustez do fluxo de trabalho de triagem, com desvios padrão relativos (RSD) para energia específica geralmente abaixo de 5%.

Significado e Alegações
O artigo afirma que a otimização bayesiana é uma estratégia eficaz para acelerar a descoberta de materiais TCES, particularmente em espaços de formulação complexos onde restrições de síntese e compromissos multi-objetivos são centrais. O estudo demonstra que compósitos de sal-cimento, quando otimizados via BO, podem atingir energias específicas significativamente mais altas do que as iterações anteriores à base de cimento, tornando-os candidatos atraentes para aplicações de armazenamento sazonal onde o custo é uma restrição primária.

Os autores observam modestamente que, embora a energia específica de seus materiais permaneça abaixo da de matrizes porosas de alto desempenho como o gel de sílica, o equilíbrio custo-desempenho dos compósitos otimizados à base de cimento (particularmente aqueles baseados em CaCl₂ e Zn(NO₃)₂) é uma vantagem distinta. O trabalho destaca que a otimização orientada por dados pode revelar químicas promissoras e limites de formulação que poderiam ser perdidos pelo desenho experimental convencional, abrindo caminho para um desenvolvimento mais eficiente de soluções de armazenamento térmico sazonal de baixo custo. Sugere-se que trabalhos futuros se concentrem na estabilidade de ciclagem, cinética de sorção e refinamento adicional de aditivos e modificações de matriz.