Physics-Informed Neural Network Framework for Predicting Compressive Strength of Coconut Fiber Reinforced Concrete
本研究提出了一种物理信息神经网络（PINN）框架，该框架将基础混凝土材料规律与实验数据相结合，旨在准确且可靠地预测椰纤维增强混凝土的抗压强度，同时确保物理一致性与可解释性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
混凝土是地球上应用最广泛的建筑材料，这种物质如此基础，以至于它塑造了每一座现代城市的轮廓。然而，正是让其变得坚固的过程也在伤害地球，因为其核心成分——水泥的生产过程会产生大量的二氧化碳。在寻找绿色未来的过程中，工程师们转向了大自然，将椰子纤维混入混凝土中，以创造出一种既可持续又坚韧的复合材料。这些源自椰子壳的纤维就像微小的增强筋，帮助材料抵抗开裂并吸收能量。然而，准确预测这种新材料的强度是一个复杂的难题。强度的变化取决于一系列因素的复杂博弈：混合了多少水、混凝土养护了多久、添加了多少纤维，甚至是用回收碎石代替新鲜石材的比例。如果配比错误，建筑物可能会不安全；如果过于保守，则会造成材料浪费。
多年来，科学家们一直试图利用通过从过去实验中学习的计算机模型来解决这个难题。这些模型擅长发现数据中的模式，但当被要求预测它们从未见过的情况时，往往会失败。它们可能会建议一种养护了一年的混凝土比养护了一个月的更弱，或者认为增加水量会让混凝土变得更强。这些错误之所以发生，是因为计算机只是在记忆数字，而没有理解支配混凝土硬化的物理定律。为了解决这个问题，来自尼泊尔的一个研究小组开发了一种新型计算机模型，强制计算机遵守物理定律。他们称之为“物理信息神经网络”（Physics-Informed Neural Network）。该模型并非让计算机自由猜测，而是将水泥化学的规则直接构建在模型的“大脑”中，确保其做出的每一次预测都符合材料行为的现实规律。
研究人员首先开始收集海量数据，从30项不同的科学研究中汇总了586条记录。这些记录包含了混凝土配比方方面面的细节，从水泥和水的用量到椰子纤维的长度和用量。随后，他们将这些信息输入到这个新模型中，但加入了一个关键的转折点：在模型进行预测之前，它必须通过一系列基于已知物理真理的测试。例如，程序设定模型必须知道混凝土只会随着时间的推移而变得更强，绝不会变弱。它还被教导，增加水量通常会使混凝土变弱，而用回收混凝土碎石替代天然石材通常会降低强度。如果模型试图预测一个违反这些规则的结果，它会立即得到纠正。这一过程确保了模型不仅是在“从数据中学习”，更是在“结合数据进行学习”，并受到材料科学基本原理的引导。
结果表明，这种新方法非常有效。该模型以极高的准确度预测了椰子纤维混凝土的强度，达到了传统计算机模型的最佳性能水平。然而，真正的胜利在于其可靠性。当研究人员将该模型应用于它从未见过的场景时——例如养护时间极长的混凝土或纤维含量异常的混合物时——新模型表现得非常合理。它正确地预测了强度会随时间缓慢上升并最终趋于平缓，而旧模型有时会做出荒谬且不可能的猜测，暗示混凝土会突然失去强度或变得异常强大。新模型还准确识别了添加椰子纤维的“黄金比例”。它学到，添加少量的纤维可以增强混凝土，但添加过多实际上会削弱它，因为纤维会开始结团并产生气孔。模型将这一最佳范围精准定位在总混合物的1.5%至2.0%之间，这一发现与工程师在现实世界中的观察完全吻合。
通过将现代人工智能的力量与永恒的物理规则相结合，研究人员创造了一个工程师可以信任的工具。这个工具不仅仅是吐出数字，它还为为什么某种配比会强或弱提供了清晰、逻辑性的解释。它尊重混凝土是一种随时间变化并对原料产生特定反应的动态材料这一事实。这项工作为可持续建筑指明了一条新路径，使工程师能够充满信心地设计使用椰子纤维混凝土的建筑，因为他们知道自己的设计既有数据支撑，又符合自然法则。这项研究表明，当我们教会计算机去理解物理世界，而不仅仅是记忆物理世界时，我们可以用更高的安全性和精确度来解决复杂的工程问题，从而为更加可持续的建筑环境铺平道路。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。