能在几秒钟内设计出气候友好型水泥配方的人工智能

水泥行业约占全球二氧化碳排放量的8%——超过全球整个航空业的排放量。保罗·谢勒研究所PSI的研究人员开发了一种基于人工智能的模型，有助于加速发现新型水泥配方，从而在保持同等材料品质的同时降低碳足迹。

水泥厂的旋转窑需要加热至1400摄氏度的高温，将研磨后的石灰石煅烧成熟料（即成品水泥的原料）。这种高温通常无法仅靠电力实现，而是通过高能耗的燃烧过程达成，该过程会释放大量二氧化碳（CO2）。然而令人意外的是，燃烧过程产生的排放量占比不足总量的一半，真正的大头来自原材料：石灰石中化学结合的二氧化碳在高温窑炉转化过程中会被释放。

调整水泥配方本身——用替代胶凝材料置换部分熟料，是极具前景的减排策略。这正是PSI核能与科学中心废物管理实验室跨学科团队的研究方向。研究人员摒弃了耗时实验或复杂模拟的传统方法，开发出基于机器学习的建模方案。"我们的模型能模拟优化水泥配方，在保持优异机械性能的同时显著降低CO2排放，"该研究第一作者、数学家罗曼娜·博伊格解释道，"无需进行数千次实验室测试，模型可在数秒内生成实用配方建议——堪称气候友好型水泥的数字食谱。"

通过这种创新方法，研究人员能精准筛选符合标准的水泥配方。"决定最终性能的材料成分组合可能性极其庞大，"研究发起人兼共同作者、PSI传输机制研究组负责人尼古拉奥斯·普拉西亚纳基斯指出，"我们的方法通过遴选潜力配方进行实验验证，大幅加速了研发周期。"研究成果已发表于《材料与结构》期刊。

精准配方

目前工业生产副产品（如炼铁矿渣、燃煤电厂粉煤灰）已被用于部分替代水泥配方中的熟料以降低CO2排放。但全球水泥需求如此巨大，仅靠这些材料远不能满足。"我们需要的是储量丰富且能生产优质可靠水泥的材料组合，"研究共同作者、PSI水泥系统研究组负责人约翰·普罗维斯强调。

寻找理想组合充满挑战："水泥本质上是矿物粘合剂——混凝土中我们用水、水泥和砂砾人工合成矿物来粘合整体材料，"普罗维斯阐释道，"可以说我们在加速模拟地质过程。"这种地质作用（更准确说是其背后的物理过程）极其复杂，计算机建模对应需要巨大的算力和高昂成本。因此研究团队转向人工智能寻求突破。

AI作为计算加速器

人工神经网络通过现有数据训练来加速复杂计算。训练过程中，网络吸收已知数据集，通过调整内部连接的相对强度（即"权重"）进行学习，从而快速可靠预测相似关联。这种权重机制充当捷径——替代了原本计算密集的物理建模。

PSI团队利用此类神经网络开展工作，并自主生成训练所需数据："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在硬化过程中形成的矿物及发生的地球化学反应，"普拉西亚纳基斯解释道。通过将这些结果与实验数据、力学模型结合，研究人员推导出可靠的力学性能指标——从而判定水泥材料品质。针对每种组分，他们还应用了特定排放值的CO2因子，据此确定总排放量。"这是项极其复杂且计算密集的建模工程。"这位科学家表示。

但付出终得回报：AI模型成功通过该数据集完成学习。"训练后的神经网络现在能在毫秒级计算任意水泥配方的力学性能——比传统建模提速约千倍，"博伊格指出。

从输出到输入

如何运用该AI寻找最优水泥配方——实现最低CO2排放与最优材料品质？常规思路是测试不同配方，用AI计算其特性后筛选最佳方案。但更高效的方法是逆向操作：直接求解满足特定CO2平衡与材料品质要求的水泥成分。

力学性能与CO2排放均直接取决于配方。"数学角度看，这两个变量都是成分的函数——成分变动则特性随之改变，"数学家阐释道。为确定最优配方，团队将问题转化为数学优化任务：寻找同时最大化力学性能和最小化CO2排放的成分组合。"本质上我们寻求极大值与极小值——由此可直接推导出目标配方。"

为实现优化，团队在流程中整合了遗传算法——这种受自然选择启发的AI技术，可精准锁定同时满足双目标的最优配方。

该"逆向方法"的优势在于：无需盲目测试海量配方再评估结果，而是直接针对特定标准（此处指最大力学性能与最小CO2排放）进行定向搜索。

潜力巨大的跨学科路径

研究团队已识别出若干潜力配方。"部分配方不仅具备减排与品质优势，生产可行性也值得期待，"普罗维斯评价道。但为完成研发闭环，仍需进行实验室验证。"我们不可能未经测试就立即用这些配方造塔，"普拉西亚纳基斯笑言。

本研究主要作为概念验证——证明仅通过数学计算即可识别潜力配方。"我们的AI建模工具可按需扩展，整合原料生产/可获得性、应用场景（如海洋环境或沙漠中性能迥异的水泥混凝土）等更多维度，"博伊格说明道。普拉西亚纳基斯展望未来："这仅是开端。此类通用工作流带来的时间效益巨大，为各类材料与系统设计提供了极具前景的解决方案。"

跨学科背景是项目成功的关键："我们需要水泥化学家、热力学专家、AI专才——以及能整合所有领域的团队，"普拉西亚纳基斯强调，"同时离不开SCENE项目框架下与瑞士联邦材料实验室EMPA等机构的密切协作。"SCENE（瑞士净零排放卓越中心）作为跨学科研究计划，旨在为工业与能源领域深度减排开发科学解决方案。本研究即在该项目支持下完成。