I ricercatori del Paul Scherrer Institute (PSI) hanno creato un modello di intelligenza artificiale capace di trovare in pochi millisecondi nuove ricette per produrre cemento a basse emissioni, con la stessa qualità ma meno impatto ambientale
Il cemento a basse emissioni di CO2 è al centro di una rivoluzione tecnologica che potrebbe ridurre drasticamente l’impronta ambientale dell’industria edilizia.
Con circa l’8% delle emissioni globali attribuibili alla produzione di cemento (più dell’intero settore dell’aviazione) trovare soluzioni sostenibili è ormai una priorità. Al Paul Scherrer Institute (PSI), un team interdisciplinare ha sviluppato un modello basato sull’intelligenza artificiale per accelerare la scoperta di formulazioni innovative di cemento a basse emissioni di CO2, capaci di mantenere alte prestazioni meccaniche e di resistenza.
La componente digitale sta assumendo un ruolo sempre più centrale nella decarbonizzazione del comparto edilizio. Intelligenza artificiale e machine learning sono ormai protagonisti di una rivoluzione decisiva. Solo poche settimane fa, ad esempio, i ricercatori del MIT hanno pubblicato uno studio in cui hanno addestrato un’AI a identificare sottoprodotti industriali in grado di sostituire parzialmente il cemento nella produzione del calcestruzzo, senza comprometterne lavorabilità e resistenza.
Su questa stessa lunghezza d’onda si muove anche la nuova ricerca del Paul Scherrer Institute (PSI), che ha messo a punto un innovativo modello predittivo per formulare ricette di cemento a basse emissioni. L’obiettivo: unire sostenibilità, qualità e rapidità di sviluppo.
La nuova ricetta del cemento sostenibile
La produzione del clinker, componente base del cemento, richiede temperature intorno ai 1.400 gradi Celsius. Questo processo, energivoro e altamente emissivo, non solo brucia combustibili fossili, ma rilascia anche CO2 legata chimicamente al calcare, materia prima del clinker. Ridurre l’uso del clinker è quindi una strategia cruciale per ottenere un cemento a basse emissioni di CO2.
Gli scienziati del PSI hanno messo a punto un sistema di modellazione intelligente, capace di simulare e ottimizzare nuove composizioni di cemento.
“Invece di testare migliaia di varianti in laboratorio, possiamo utilizzare il nostro modello per generare suggerimenti pratici per le ricette in pochi secondi: è come avere un ricettario digitale per un cemento ecosostenibile”, spiega Romana Boiger, matematica e prima autrice dello studio.
La ricerca, pubblicata sulla rivista Materials and Structures, ha permesso di filtrare migliaia di combinazioni possibili, individuando solo quelle compatibili con criteri rigorosi di sostenibilità e qualità.
Una rete neurale addestrata
Oggi, sottoprodotti industriali come le scorie dell’industria siderurgica o le ceneri volanti sono già impiegati per sostituire in parte il clinker. Ma da soli non bastano a soddisfare la domanda globale di cemento.
“Ciò di cui abbiamo bisogno è la giusta combinazione di materiali disponibili in grandi quantità, da cui si possa produrre cemento affidabile e di alta qualità”, afferma John Provis, co-autore dello studio.
Il team ha utilizzato reti neurali artificiali che simulavano le reazioni geochimiche e la formazione dei minerali durante l’indurimento del cemento. A ogni componente è stato associato un fattore di emissione, calcolando così con precisione l’impatto ambientale di ciascuna formulazione.
Il risultato è un modello capace di calcolare le proprietà meccaniche di una ricetta di cemento in pochi millisecondi.
Verso un nuovo standard costruttivo
Il progetto inoltre consente anche di invertire il processo. Invece di testare formulazioni a caso, il sistema parte da obiettivi precisi, come ad esempio l’obiettivo di ottenere un cemento a basse emissioni di CO” con resistenza meccanica elevata. A questo punto individua le composizioni ottimali, sfruttando degli algoritmi genetici, ispirati alla selezione naturale.
Tra le formulazioni già identificate, alcune mostrano grande potenziale, sia in termini di sostenibilità sia di applicabilità industriale. Inoltre il modello AI può essere ampliato per includere variabili come la disponibilità locale di materie prime o le condizioni ambientali del sito di costruzione.
