Строительная индустрия является одним из крупнейших источников выбросов углекислого газа в мире, а производство бетона занимает значительную долю этих выбросов. По данным Всемирного экономического форума, бетонная продукция отвечает за около 8% глобальных выбросов CO2. В связи с повышенным вниманием к вопросам экологии и устойчивого развития, возникает все острее необходимость создания материалов, которые не только отвечают техническим требованиям к прочности и долговечности, но и способствуют снижению углеродного следа. Одним из перспективных методов на пути решения этой задачи стало применение искусственного интеллекта (ИИ) в разработке бетонных смесей, способных быстрее затвердевать и иметь меньший углеродный след при производстве и эксплуатации. Компания Meta совместно с партнёрами из Amrize и Университета Иллинойса в Урбане-Шампейне создала открытый ИИ-инструмент для разработки таких бетонных смесей, демонстрирующий значительный прогресс и потенциал для широкого внедрения в строительной индустрии.
Традиционно в строительстве основное внимание уделялось прочности бетона через стандартный показатель 28-дневной прочности на сжатие, а также экономической эффективности материала. Современные же объекты, включая сложные инфраструктурные проекты и дата-центры, предъявляют более комплексные требования, в том числе к скорости затвердевания, обработке поверхности, экологическим характеристикам и удобству работы с материалом. В связи с этим процесс разработки новых бетонных смесей стал сложнее и продолжительнее. Из-за уникальных свойств и сезонных вариаций вторичных цементных компонентов, таких как шлак и летучая зола, а также необходимости длительного лабораторного тестирования, цикл разработки новых составов бетонных смесей занимает недели и часто месяцы. ИИ отвечает за оптимизацию этого многофакторного процесса, используя байесовскую оптимизацию — метод, который эффективно исследует пространство возможных составов и успешно балансирует между прочностью, скоростью затвердевания и экологической устойчивостью.
Открытые с помощью Meta фреймворки BoTorch и Ax позволяют не только ускорить вычисления, но и обеспечивают адаптивное экспериментирование, которое совершенствует модель по мере поступления новых данных из лабораторий и строительных площадок. Совместные усилия с исследовательской группой профессора Нишанта Гарга из Университета Иллинойса обеспечивают непрерывную обратную связь между экспериментами и алгоритмами, что значительно увеличивает точность и эффективность решений. Ключевыми ингредиентами, которые используются для создания устойчивых бетонных смесей, являются портландцемент, шлак — побочный продукт металлургического производства, и летучая зола — остаток сжигания угля в электростанциях. Замещение части портландцемента этими материалами позволяет уменьшить углеродный след бетона, поскольку производство портландцемента является наиболее углеродоемким этапом. Дополнительные компоненты включают мелкий и крупный заполнитель, которые обеспечивают структурную стабильность и оптимальную текстуру, а также специальные добавки, регулирующие свойства затвердевания и обработки.
Важно отметить, что характеристики каждого из этих компонентов могут сильно варьироваться в зависимости от их происхождения и сезона, что усложняет стандартизацию и требует постоянной калибровки модели. Обучение ИИ осуществлялось на многочисленных составах бетона, с учётом как краткосрочной прочности (в первый, третий и пятый дни после заливки), так и долгосрочной, традиционно оцениваемой через 28 дней. Также значительное внимание уделялось показателю устойчивости к воздействию окружающей среды и экологической оценке на основе парникового потенциала (эквивалент CO2 на кубический метр). Создание сводных кривых прочности для каждого состава позволило ИИ прогнозировать развитие свойств бетона во времени и оптимизировать состав под конкретные задачи проекта. На практике разработанная ИИ-система уже доказала свою эффективность.
В партнёрстве с Amrize и строительной компанией Mortensen была проведена адаптация и тестирование одного из новых составов бетона на строительстве дата-центра в Роузмаунте, штат Миннесота. Там испытания подтвердили, что ИИ-сформулированная смесь превосходит традиционные аналоги: она быстрее схватывается, имеет более высокую итоговую прочность и значительно снижает углеродный след. Помимо технических характеристик, бетон продемонстрировал отличную обработку поверхности — важный параметр для создания ровных и устойчивых бетонных полов в дата-центрах, где устраивается сложное серверное оборудование. Открытый код ИИ-модели и сопутствующих инструментов призваны сделать технологию доступной для широкого круга участников строительного рынка. Это способствует не только ускорению внедрения экологичных бетонных смесей, но и стимулирует их дальнейшее совершенствование.
Использование байесовской оптимизации в построении бетонных составов открывает возможности применения аналогичных методов в строительстве новых видов материалов и компонентов с заданными функциональными свойствами. Перспективы развития технологии связаны с увеличением объёмов данных, расширением базы знаний о свойствах альтернативных цементных добавок и интеграцией ИИ в процессы управления строительными проектами. Совместные инициативы крупных игроков отрасли и научного сообщества помогут стандартизировать методики оценки и повысить доверие к ИИ-решениям среди инженеров и архитекторов. Со временем можно ожидать, что ИИ станет неотъемлемой частью проектирования и производства бетонных материалов, обеспечивая баланс между технической эффективностью, экономической целесообразностью и экологической безопасностью. Таким образом, внедрение искусственного интеллекта в разработку новых бетонных смесей, обладающих низким углеродным следом и ускоренным процессом твердения, является значительным шагом вперёд на пути устойчивого развития стройиндустрии.
Уже сегодня мы наблюдаем реальные примеры успешного применения технологий Meta в сочетании с опытом промышленности и науки, что знаменует начало новой эры в создании экологичных материалов. Применение таких решений в масштабных инфраструктурных проектах, включая дата-центры, позволит снизить углеродный след и приступить к решению глобальных экологических задач без ущерба для функциональности и надёжности строительных конструкций.
