التنبؤ بقوة الشد والانحناء لمركبات الجبس المعززة بقش القمح باستخدام التعلم الآلي

تحويل نفايات المزارع إلى مواد بناء

كل عام، يحرق المزارعون حول العالم أطناناً من بقايا القش، في حين تصب المدن كميات هائلة من الخرسانة التي تطلق كميات كبيرة من ثاني أكسيد الكربون. تستكشف هذه الدراسة طريقة لمعالجة المشكلتين معاً: استخدام قش القمح، وهو نفاية زراعية، لتقوية مواد بناء قائمة على الجبس، واستخدام أدوات حاسوبية ذكية للتنبؤ بمدى صلابة هذه المواد الأكثر خضرة.

لماذا ننظر إلى ما وراء الخرسانة التقليدية

الخرسانة من أكثر المواد استخداماً على الأرض، لكن إنتاج مكونها الرئيسي، الإسمنت، يطلق كميات هائلة من ثاني أكسيد الكربون إلى الغلاف الجوي. بالمقابل، ينتج تصنيع الجبس، وهو رابط معدني بديل، انبعاثات كربونية أقل بكثير. يظهر الجبس بالفعل في منتجات مألوفة مثل الألواح الجبسية والجدران الداخلية الفاصلة، ويقدّم مقاومة جيدة للحريق وعزل صوتي ووزناً منخفضاً. ومع ذلك، فالجبس بمفرده هش وليس قوياً بما يكفي للعديد من الاستخدامات الهيكلية، مما يحد من الأماكن التي يمكنه فيها استبدال الخرسانة أو الطوب بأمان.

منح القش حياة ثانية

تنتج الزراعة الحديثة أحجاماً هائلة من النفايات، وقش القمح مثال بارز على ذلك. في دول مثل باكستان، يُحرق كثير من هذا القش في الحقول المكشوفة، مما يزيد الضباب الدخاني ويؤثر سلباً على الصحة العامة. بدلاً من اعتبار القش مشكلة يجب التخلص منها، يرى المؤلفون أنه مكون رخيص ومتجدد للبناء. عندما تضاف كميات صغيرة من ألياف القش إلى الجبس، يمكن أن تساعد المادة على الانحناء قليلاً أكثر قبل الكسر وتستفيد أفضل من مورد كان سيضيع. لكن القوة النهائية تعتمد على العديد من المكونات معاً، بما في ذلك جودة الجبس والماء ومحتوى القش والإضافات الكيميائية، والتي تتفاعل بطرق معقدة.

السماح للآلات بالتعلم من التجارب

إجراء اختبارات فعلية على كل وصفة ممكنة لخليط القش–الجبس سيكون بطيئاً ومكلفاً. لمواجهة ذلك، جمع الباحثون بيانات من 161 خليطاً تم اختبارها سابقاً وردت في الأدبيات. لكل وصفة، سجلوا تفاصيل مثل قوة الجبس وكمية الجبس، ومحتوى الماء ونسبة الماء إلى الجبس، وكمية القش المضافة، وما إذا كانت هناك إضافتان كيميائيتان شائعتان. كما لاحظوا نتيجتين رئيسيتين: مدى مقاومة العينات للضغط (قوة الانضغاط) وللانحناء (قوة الانثناء). باستخدام هذه البيانات، دربوا خمسة نماذج تعلم آلي مختلفة حتى تتعلم الحواسيب كيف ترتبط المدخلات بهذه القوى دون إعطاء صيغة ثابتة سلفاً.

البحث عن أصدق متنبئ رقمي

قارن الفريق الشبكات العصبية الاصطناعية، والانحدار بعملية غاوسية، والغابات العشوائية، وتسريع التدرج المتطرف، وآلات الدعم الناقل. اختبروا كل نموذج باستخدام طريقة اختبار دقيقة تُسمى التحقق المتقاطع، والتي تدرب مراراً على جزء من البيانات وتختبر على الباقي لتجنب التضليل. من بين جميع الأساليب، برز الانحدار بعملية غاوسية: فقد تنبأ بدقة وباتساق أكبر بقوة الانضغاط والانثناء مقارنةً بالآخرين. ميزة إضافية لهذا الأسلوب أنه لا يعطي مجرد تخمين واحد؛ بل يوفر أيضاً نطاق عدم اليقين الذي يظهر مدى ثقة التنبؤ، وهي ميزة مفيدة عندما يحتاج المهندسون إلى اتخاذ قرارات متعلقة بالسلامة.

ما الذي يهم أكثر في الخلطة

لحماية النماذج من أن تصبح صناديق سوداء غامضة، فحص المؤلفون أي المكونات أثرت أكثر على التنبؤات. عبر النماذج الأكثر أداءً، برزت القوة الكامنة للجبس نفسه كعامل رئيسي لكل من قوة الانضغاط والانثناء. كما لعبت كمية الجبس الإجمالية وكمية الماء دوراً بارزاً لأنها تغير كثافة المادة النهائية أو مساميتها. كان لقش القمح والإضافات الكيميائية تأثيرات ثانوية: في بعض النطاقات ساعدت على ضبط السلوك، لكن كمية كبيرة جداً من الماء أو القش أو الإضافة تميل إلى خفض القوة بخلق فراغات إضافية أو إضعاف الترابط داخل الخليط المتصلب.

من التنبؤات الذكية إلى مبانٍ أكثر خضرة

بعبارة بسيطة، تظهر الدراسة أن الحواسيب قادرة على التعلم للتنبؤ بدقة بمدى صلابة الجبس المعزز بالقش بناءً على وصفته، دون الحاجة لصب وسحق كل عينة جديدة في المختبر. النموذج الأفضل، الانحدار بعملية غاوسية، لا يقدم تقديرات قوة موثوقة فحسب، بل يُظهر أيضاً مدى الثقة في كل تقدير. يمكن أن يوجه هذا المزيج من المكونات المستدامة وأدوات التنبؤ الذكية المصممين نحو منتجات جبس–قش قوية بما يكفي لاستخداماتها المقصودة، مع الحد من استخدام الأسمنت وحرق المحاصيل الزراعية. وبذلك يشير إلى أساليب بناء أكثر لطفاً بالمناخ واستغلالاً أفضل للمواد المتاحة بالفعل.

الاستشهاد: Ahmad, H., Ejaz, M.F., Riaz, M.R. et al. Machine learning-based prediction of compressive and flexural strength of wheat straw reinforced sustainable gypsum composites. Sci Rep 16, 15087 (2026). https://doi.org/10.1038/s41598-026-45024-z

الكلمات المفتاحية: مركبات الجبس, قش القمح, التعلم الآلي, قوة الانضغاط, البناء المستدام