能在数秒内设计出气候友好型水泥方案的AI

水泥行业约占全球二氧化碳（CO2）排放量的百分之八——超过全球整个航空业的排放量。保罗谢尔研究所PSI的研究人员开发了一种基于人工智能的模型，该模型有助于加速发现新型水泥配方，这些配方可在保持相同材料品质的同时获得更优的碳足迹。

水泥厂的回转窑需加热至1400摄氏度的灼热高温，将研磨石灰石煅烧成熟料（即现成水泥的原材料）。毫不意外，如此高温通常无法仅靠电力实现，而是通过高能耗燃烧过程达成，该过程会排放大量二氧化碳（CO2）。然而令人惊讶的是，燃烧过程产生的排放量占比不到总排放量的一半，远低于预期。大部分排放蕴含在生产熟料和水泥所需的原材料中：高温窑炉转化过程中，石灰石内化学结合的CO2会被释放。

修改水泥配方本身——用替代胶凝材料置换部分熟料——是减排的有效策略。这正是PSI核工程与科学中心废物管理实验室跨学科团队的研究方向。研究人员并未仅依赖耗时的实验或复杂模拟，而是开发了基于机器学习的建模方法。"这使我们能够模拟和优化水泥配方，使其在保持同等高水平机械性能的同时显著减少CO2排放，"该研究第一作者、数学家罗曼娜·博伊格解释道。"我们无需在实验室测试数千种变体，通过模型可在数秒内生成实用配方建议——这就像拥有一本气候友好型水泥的数字化食谱。"

通过这种创新方法，研究人员能精准筛选符合预期标准的水泥配方。"决定最终性能的材料成分组合可能性极其庞大，"该研究发起人兼合著者、PSI传输机制研究组组长尼古劳斯·普拉西亚纳基斯指出。"我们的方法通过筛选有潜力的候选配方进行后续实验研究，可显著加速开发周期。"该研究成果发表于期刊《Materials and Structures》。

精准配方

目前工业副产品如炼铁炉渣和燃煤电厂粉煤灰已被用于部分替代水泥配方中的熟料以减少CO2排放。然而全球水泥需求巨大，仅靠这些材料无法满足需求。"我们需要的是大量可得且能生产高品质可靠水泥的精准材料组合，"PSI水泥系统研究组组长、研究合著者约翰·普罗维斯强调。

但寻找此类组合充满挑战："水泥本质上是矿物粘合剂——在混凝土中，我们利用水泥、水和骨料人工生成矿物来固结整个材料，"普罗维斯解释道。"可以说我们在进行加速版地质工程。"这种地质工程（或者说其背后的物理过程）极为复杂，计算机建模相应地需要密集计算资源和昂贵成本。因此研究团队转向依赖人工智能。

人工智能作为计算加速器

人工神经网络是通过现有数据训练以加速复杂计算的计算机模型。训练过程中，网络接收已知数据集，通过调整内部连接的相对强度或"权重"进行学习，从而快速可靠地预测相似关联。这种权重相当于一种捷径——替代计算密集型物理建模的快速方案。

PSI研究人员利用了此类神经网络。他们自主生成了训练所需数据："借助PSI开发的开源热力学建模软件GEMS，我们计算了不同水泥配方硬化时形成的矿物及发生的地球化学过程，"尼古劳斯·普拉西亚纳基斯阐释道。通过将这些结果与实验数据及力学模型结合，研究人员推导出可靠的机械性能指标（即水泥材料品质）。针对每种组分，他们应用了相应CO2因子（特定排放值）以确定总CO2排放量。"这是非常复杂且计算密集的建模工作，"科学家表示。

但付出值得回报——基于此生成的数据，AI模型得以学习。"训练后的神经网络现在可在毫秒级计算任意水泥配方的机械性能，比传统建模快约一千倍，"博伊格说明。

从输出到输入

如何利用该AI寻找最优水泥配方（最低CO2排放与高材料品质）？可行方案包括：测试不同配方，用AI模型计算其性能，再筛选最佳变体。但更高效的方法是逆转流程：不再穷举所有选项，而是反向设问——何种水泥成分能满足CO2平衡与材料品质的预期指标？

机械性能与CO2排放均直接取决于配方。"从数学角度看，这两个变量都是成分的函数——成分变化将引发相应特性改变，"数学家解释。为确定最优配方，研究人员将问题构建为数学优化任务：寻找同时最大化机械性能且最小化CO2排放的成分组合。"本质上我们在寻找极大值和极小值——由此可直接推导出目标配方，"数学家表示。

为求解，团队在流程中整合了额外AI技术——受自然选择启发的计算机辅助方法"遗传算法"。这使他们能精准识别理想结合双目标变量的配方。

此"逆向方法"的优势在于：无需盲目测试无数配方再评估结果特性；而是能针对性搜索符合特定预期标准（此案例中即最大机械性能与最小CO2排放）的配方。

潜力巨大的跨学科方案

研究人员识别的水泥配方中已存在有前景的候选方案。"部分配方具有实际潜力，"约翰·普罗维斯指出，"不仅体现在减碳效果和品质上，还包括生产可行性。"但为完成开发周期，配方需先经实验室验证。"我们不会未经测试就直接用来建塔，"尼古劳斯·普拉西亚纳基斯笑道。

该研究主要作为概念验证——即证明有潜力的配方可纯粹通过数学计算识别。"我们可按需扩展AI建模工具，整合原料生产/可得性、建材应用场景（如海洋环境或沙漠中水泥混凝土的不同表现）等维度，"罗曼娜·博伊格表示。尼古劳斯·普拉西亚纳基斯展望道："这只是起点。此类通用工作流程节省的时间极其可观——使其成为各类材料与系统设计中极具前景的方案。"

若无研究人员的跨学科背景，项目不可能成功："我们需要水泥化学家、热力学专家、AI专家——以及整合所有资源的团队，"普拉西亚纳基斯强调。"此外还有与EMPA等研究机构在SCENE项目框架内的重要交流。"SCENE（瑞士净零排放卓越中心）是旨在为工业和能源领域大幅减排温室气体开发科学解决方案的跨学科研究计划，本研究即在该项目下开展。