Il calcestruzzo è ampiamente utilizzato nell’edilizia, ma ha una grande impronta di carbonio ed è un fattore chiave per il cambiamento climatico. Esiste un sostituto più sostenibile chiamato “calcestruzzo espanso”, ma trovare la miscela ottimale di ingredienti per realizzarlo è complesso, richiede tempo ed è costoso. Un team di scienziati della University of Engineering and Technology, Peshawar e Khushal Khan Khattak University, Karak, Pakistan, sta applicando l’apprendimento automatico per prevedere le qualità di compressione dei calcestruzzi prima della produzione, risparmiando tempo, costi e riducendo gli sprechi.
Il calcestruzzo espanso, noto anche come calcestruzzo cellulare leggero o calcestruzzo espanso a bassa densità, è fatto di cemento, agenti schiumogeni, aggregati e acqua. La sua struttura cellulare leggera utilizza una malta legante per sostenere i vuoti d’aria, che alla fine riduce il peso dei materiali da costruzione.
I modelli basati sull’intelligenza artificiale hanno la capacità di ottimizzare la miscela di materiali in calcestruzzo espanso per un elevato rapporto resistenza-peso per le prestazioni del prodotto strutturale. Può anche trovare la migliore formula per il consumo di energia, la conduttività termica e la resistenza al fuoco.
Attualmente, gli scienziati utilizzano modelli empirici basati su complicazioni complesse per tenere conto delle caratteristiche, come la relazione tra resistenza alla compressione e proprietà del materiale. Il documento si concentra sull’utilizzo dell’apprendimento automatico per prevedere le proprietà di compressione dei calcestruzzi prima della produzione. L’apprendimento automatico può aiutare a prevedere il comportamento strutturale.
Tre algoritmi di machine learning per il calcestruzzo espanso
I ricercatori hanno utilizzato tre algoritmi di apprendimento automatico con funzionalità non lineari: GBT, GEP e ANN. Il modello GBT ha funzionato al meglio con i dati di convalida più elevati. I rapporti sabbia-cemento e acqua-cemento sono stati analizzati utilizzando l’analisi parametrica.
La ricerca ha mostrato un’alta correlazione tra resistenza alla compressione e densità del calcestruzzo espanso. Gli algoritmi hanno dimostrato una previsione accurata della resistenza alla compressione del calcestruzzo espanso, dimostrando come l’apprendimento automatico possa ottimizzare con precisione il calcestruzzo espanso per l’industria delle costruzioni.
Il team ha suggerito che studi futuri potrebbero comportare la variazione dei dosaggi degli agenti schiumogeni negli algoritmi di apprendimento automatico per trovare una formula migliorata per il calcestruzzo espanso.
