Con AI al cemento verde

I forni rotanti dei cementifici sono riscaldati a una temperatura infernale di 1400 gradi Celsius per bruciare il clinker dal calcare macinato, il materiale di base per il cemento pronto per la costruzione. Non sorprende che tali temperature non possano essere ottenute semplicemente dalla presa di corrente. Sono generate da processi di combustione ad alta intensità energetica, che rilasciano grandi quantità di anidride carbonica (_CO2). Sorprendente, tuttavia: La combustione è responsabile di meno della metà di tutte le emissioni di CO₂. La maggior parte di esse è contenuta nelle materie prime necessarie per la produzione di clinker e cemento: La_CO2 è legata chimicamente al calcare e viene rilasciata durante la conversione nei forni caldi.

Modificare la ricetta e ridurre la percentuale di clinker aggiungendo materiali cementizi alternativi è una strategia promettente. È proprio questo che un gruppo di ricerca interdisciplinare del Centro per le tecnologie e le scienze nucleari del PSI ha studiato in laboratorio per la sicurezza dei depositi. Invece di esperimenti complessi e lunghe simulazioni, i ricercatori si sono affidati a un metodo di modellazione appositamente sviluppato e supportato dall'intelligenza artificiale. "Questo ci permette di simulare le formulazioni del cemento e di ottimizzarle in modo che emettano una quantità significativamente inferiore di CO₂ mantenendo la stessa elevata qualità meccanica", spiega l'autrice principale dello studio e matematica Romana Boiger. "Invece di testare migliaia di varianti in laboratorio, il nostro modello genera suggerimenti di ricette concrete in pochi secondi, come un ricettario digitale per il cemento a basso impatto ambientale".

Con il loro approccio innovativo, i ricercatori sono riusciti a filtrare le ricette di cemento che soddisfano i criteri desiderati. "La gamma di possibili composizioni dei materiali, che in ultima analisi determinano le proprietà del cemento, è enorme", afferma Nikolaos Prasianakis, responsabile del gruppo Meccanismi di trasporto del PSI, iniziatore e coautore dello studio. "Il nostro metodo consente di accelerare in modo significativo il ciclo di sviluppo, selezionando candidati promettenti e perseguendoli in modo specifico in studi sperimentali". I risultati dello studio sono stati pubblicati sulla rivista Materials and Structures.

La ricetta giusta

Le materie prime secondarie, come le scorie della produzione di ghisa o le ceneri volanti della combustione del carbone, vengono già aggiunte alle formulazioni del cemento per risparmiare clinker e ridurre così le emissioni di CO₂. Tuttavia, la domanda globale di cemento è così elevata che questi sottoprodotti possono coprirne solo una parte. "Abbiamo bisogno della giusta combinazione di materiali disponibili in grandi quantità e dai quali si possa produrre cemento affidabile e di alta qualità", afferma John Provis, responsabile del Cement Systems Research Group del PSI e coautore dello studio.

Tuttavia, trovare queste combinazioni è una sfida: "Il cemento è fondamentalmente un legante minerale: nel calcestruzzo, usiamo cemento, acqua e ghiaia per creare artificialmente i minerali che tengono insieme l'intero materiale", spiega Provis. "Si potrebbe dire che stiamo facendo geologia in fast motion". Questa geologia, o meglio i processi fisici che ne sono alla base, sono enormemente complessi e la loro modellazione al computer è di conseguenza computazionalmente intensa e costosa. Per questo motivo il team di ricerca si affida all'intelligenza artificiale.

L'intelligenza artificiale come acceleratore di calcolo

Le reti neurali artificiali sono modelli informatici che vengono addestrati sulla base di dati esistenti per accelerare calcoli complessi. Durante l'addestramento, la rete viene alimentata con una serie di dati noti e "impara" da essi regolando la ponderazione dei suoi collegamenti interni in modo da poter prevedere relazioni simili in modo rapido e affidabile. Questa ponderazione serve come una sorta di scorciatoia, un rapido sostituto per la modellazione fisica, che altrimenti richiederebbe molto calcolo.

Anche i ricercatori del PSI hanno utilizzato una rete neurale di questo tipo. Hanno generato loro stessi i dati necessari per l'addestramento: "Utilizzando il software open source GEMS per la modellazione termodinamica sviluppato al PSI, abbiamo calcolato per varie formulazioni di cemento quali minerali si formano durante l'indurimento e quali processi geochimici hanno luogo nel processo", spiega Nikolaos Prasianakis. Combinando questi risultati con i dati sperimentali e i modelli meccanici, i ricercatori sono riusciti a ricavare un indicatore affidabile delle proprietà meccaniche e quindi della qualità del materiale del cemento. Inoltre, per ogni componente utilizzato per determinare le emissioni totali di CO₂ è stato utilizzato un fattore di CO₂ associato, un valore di emissione specifico. "Si è trattato di un lavoro di modellazione molto complesso e ad alta intensità di calcolo", spiega lo scienziato.

Ma lo sforzo è valso la pena: il modello AI è stato in grado di imparare dai dati generati in questo modo. "Invece di passare da secondi a minuti, possiamo usare la rete addestrata per calcolare le proprietà meccaniche di qualsiasi ricetta di cemento in millisecondi, circa mille volte più velocemente rispetto alla modellazione convenzionale", spiega Boiger.

Dall'output all'input

Come si può quindi utilizzare l'intelligenza artificiale per trovare le ricette di cemento ottimali, con basse emissioni di CO₂ e alta qualità dei materiali? Un'opzione potrebbe essere quella di esaminare diverse ricette, calcolare le loro proprietà utilizzando il modello AI e selezionare le varianti migliori. Tuttavia, l'approccio inverso è più efficiente: invece di provare tutte le opzioni, si pone la domanda al contrario, ovvero: quale composizione di cemento soddisfa i requisiti desiderati in termini di bilancio di CO₂ e qualità del materiale?

Questo perché sia le proprietà meccaniche che le_{emissioni di CO2} dipendono direttamente dalla formulazione. "In termini matematici, entrambe le variabili sono funzioni della composizione: se questa cambia, cambiano anche le rispettive proprietà", spiega il matematico. Per determinare la formulazione ottimale, i ricercatori formulano il problema come un compito di ottimizzazione matematica: cercano una composizione che massimizzi le proprietà meccaniche e minimizzi le emissioni di CO₂ allo stesso tempo. "In sostanza, stiamo cercando un massimo e un minimo, da cui possiamo trarre conclusioni dirette sulla formulazione desiderata", spiega il matematico.

Per trovare la soluzione, il team ha utilizzato un ulteriore metodo di intelligenza artificiale noto come algoritmi genetici - processi assistiti dal computer ispirati alla selezione naturale. Ciò ha permesso di identificare in modo specifico le ricette che combinano in modo ideale entrambe le variabili target.

Il vantaggio di questo "approccio inverso" è che non è più necessario testare e valutare alla cieca le proprietà di innumerevoli formulazioni, ma si possono cercare specificamente quelle che soddisfano determinati criteri desiderati, come, in questo caso, le massime proprietà meccaniche con le minime emissioni di CO₂.

Un approccio interdisciplinare con un grande potenziale

Tra le formulazioni di cemento individuate dai ricercatori ci sono già candidati promettenti. "Alcune di queste formulazioni hanno un potenziale reale", afferma John Provis. "Non solo in termini di risparmio di CO₂ e di qualità, ma anche in termini di fattibilità pratica nella produzione". Per completare il ciclo di sviluppo, tuttavia, le ricette devono prima essere testate in laboratorio. "Non costruiremo subito una torre con queste ricette senza prima testarle", sorride Nikolaos Prasianakis.

Lo studio serve soprattutto come prova di concetto, ovvero come prova di fattibilità che le ricette promettenti possono essere identificate anche in modo puramente matematico. "Possiamo ampliare il nostro strumento di modellazione AI in base alle esigenze e integrare ulteriori aspetti, ad esempio per quanto riguarda la produzione o la disponibilità di materie prime o il luogo in cui il materiale da costruzione viene utilizzato: in un ambiente marino, dove il cemento e il calcestruzzo si comportano in modo diverso, o persino nel deserto", afferma Romana Boiger. Nikolaos Prasianakis guarda già oltre: "Questo è solo l'inizio. Il risparmio di tempo offerto da un flusso di lavoro così generalizzato è enorme e lo rende molto promettente per tutti i tipi di progettazione di materiali e sistemi".

Tuttavia, il progetto non si sarebbe concretizzato senza il background interdisciplinare dei ricercatori: "Avevamo bisogno di chimici del cemento, esperti di termodinamica, specialisti di intelligenza artificiale e di un team in grado di mettere insieme tutto questo", spiega Prasianakis. "C'è stato anche l'importante scambio con altri istituti di ricerca come l'Empa nell'ambito del progetto SCENE". SCENE (Swiss Centre of Excellence on Net Zero Emissions) è un programma di ricerca interdisciplinare con l'obiettivo di sviluppare soluzioni scientificamente valide per ridurre drasticamente le emissioni di gas serra nell'industria e nell'approvvigionamento energetico. Lo studio è stato condotto nell'ambito di questo progetto.