اختبار غير مدمر مدعوم بالذكاء الاصطناعي لتصنيع ذكي لمركب تربة مرتبط ببيولوجيات سلبي الكربون

مكعبات بناء أذكى لعالم يزداد دفئاً

المباني مسؤولة عن حصة كبيرة من الانبعاثات العالمية من الكربون، ويرجع ذلك إلى حد كبير إلى الخرسانة القائمة على الأسمنت. تستكشف هذه الدراسة نوعاً مختلفاً تماماً من وحدات البناء: قوالب من تربة مُثبتة بمواد بوليمرية طبيعية، والتي يمكنها بالفعل تخزين كربون أكثر مما تطلق. يوضح الباحثون كيف يمكن للذكاء الاصطناعي واختبارات اهتزاز بسيطة رصد العيوب الخفية في هذه القوالب "الخضراء" بينما لا تزال طرية، وكذلك تتبع كيفية جفافها وتصلبها — مما يمهد الطريق لبناء أكثر أماناً وأقل هدرًا وأكثر ملاءمة للمناخ.

قوالب من الطبيعة، لا من الأسمنت

المادة في صلب هذا العمل تسمى مركب تربة مرتبط ببِيُوبُولِيمِر. بدلاً من الأسمنت، تستخدم هذه المادة بوليمرات مشتقة من مصادر حيوية، مثل البروتينات، لربط حبيبات الرمل معًا. بعد الجفاف، يمكن أن تكون هذه القوالب قوية مثل الخرسانة ومع ذلك ذات بصمة كربونية سالبة لأنها تحبس الكربون الذي كان سيعود إلى الغلاف الجوي. إذا رُغِب في نقل مثل هذه المواد من المختبر إلى الاستخدام اليومي، يحتاج المصنعون إلى طرق موثوقة لضمان أن كل قالب قوي، موحد، وخالٍ من العيوب الخطرة. تميل فحوصات الجودة التقليدية للخرسانة والمواد الإنشائية الأخرى إلى أن تكون بطيئة أو مدمرة أو تعمل فقط بعد أن يتصلبالمادة تمامًا، وهو وقت متأخر جدًا لإصلاح المشاكل دون هدر المواد.

الاستماع للاهتزاز بدل تحطيم القوالب

طور الفريق نظام اختبار غير مدمر "يستمع" إلى كيفية اهتزاز القالب الطري عند النقر عليه برفق. في تجاربهم، خلطوا الرمل والماء ومواد رابطة من بروتين دم لتشكيل مركب رطب، قاموا بتعبئته في قوالب مستطيلة، واختبروه فورًا. قدم مطرقة نبضية نقرات سريعة على السطح بينما سجّل مقياس تسارع صغير على القالب موجات الاهتزاز الناتجة. تحمل هذه الإشارات معلومات عن البنية الداخلية للمادة: فالقالب الناعم والمتجانس يهتز بشكل مختلف عن ذلك الذي يحتوي فراغات أو شموليات كثيفة أو انفصالات داخلية تشبه الشقوق. وبما أن الأجهزة بسيطة ومتاحة تجاريًا، يمكن تحريك المستشعر بسرعة من قالب لآخر، تمامًا مثل طبيب يستخدم سماعة صدر.

تعليم الذكاء الاصطناعي رصد العيوب الخفية

لفهم أنماط الاهتزاز المعقدة، بنى الباحثون عائلتين من نماذج الذكاء الاصطناعي، أطلقوا عليهما اسميًا Mini-ft وMega-ft. تبدأ كلتاهما بتقطيع بيانات المستشعر المستمرة إلى مقاطع قصيرة، يحتوي كل مقطع على الاستجابة لنقرة مطرقة واحدة. يركز Mini-ft على 171 نقطة رئيسية من كل مقطع ويضغط هذه المعلومات إلى ميزتين فقط تلتقطان كيفية ارتفاع الإشارة وتلاشيها. ثم يستخدم طريقة الجار الأقرب البسيطة لتقرير ما إذا كان العينة طبيعية أو معيبة ونموذجًا إحصائيًا لتقدير مقدار الرطوبة المفقودة أثناء جفافها. يتبع Mega-ft نهجًا أقوى: يطبق آلاف المرشحات ذات الأشكال العشوائية على كل مقطع لإنشاء وصف غني مكوَّن من 20,000 ميزة للاهتزاز. بعدها يستخدم مصنف خطي سريع هذه البصمة التفصيلية للتعرف ليس فقط على ما إذا كان القالب به عيب، بل أيضًا على نوع العيب.

ما مدى فعالية النظام؟

اختبر الفريق مقاربته على عشرين قالبًا صنعوها في المختبر، شملت أحد عشر بلا عيوب وثمانية تحتوي عيوبًا مضمنة بعناية. احتوت بعضها قطع فولاذية لتقليد مناطق كثيفة بشكل غير عادي؛ وبعضها خبأ أشكالًا بلاستيكية جوفاء لمحاكاة الفراغات؛ والبعض الآخر تضمن رقائق بلاستيكية رقيقة تمثل شقوقًا داخلية بأحجام مختلفة. باستخدام نموذج Mini-ft الأبسط، ميز النظام بين القوالب المعيبة والطبيعية بشكل صحيح بنحو 96% من الوقت، وتمكن من تمييز تسع فئات مختلفة — فئة طبيعية وثماني فئات عيب — بدقة تقارب 82%. رفع النموذج الأكثر تفصيلًا Mega-ft هذه الأرقام إلى نحو 99% للكشف الأساسي عن العيوب و97% لتمييز أنواع العيوب. كما استطاع الذكاء الاصطناعي تقدير مدى جفاف القالب، وبالتالي مقدار القوة التي اكتسبها، بخطأ لا يتجاوز بضعة بالمئات، مما يجعله مفيدًا لتتبع عملية التصلب بمرور الوقت.

من الدراسة التجريبية إلى البناء في العالم الحقيقي

على الرغم من أن هذا العمل أُجري على عينات بحجم قالب مع تضخيم متعمد للعيوب، تشير النتائج إلى أداة عملية على خط المصنع لإدارة مواد بناء جديدة سلبية الكربون. وبما أن الطريقة تعمل بينما تكون المادة لا تزال رطبة، يمكن اكتشاف الدفعات المعيبة مبكرًا وإعادة تدوير الخليط بدل التخلص منه، مما يقلل من الهدر والتكلفة. يمكن تكييف نفس نظام الاهتزاز والذكاء الاصطناعي مع تصاميم خلط مختلفة ودرجات حرارة وأشكال منتجات متنوعة، من قوالب صغيرة إلى عناصر هيكلية أكبر أو حتى أشكال مطبوعة ثلاثية الأبعاد. باختصار، تُظهر الدراسة أنه بالنقر و"الاستماع" بواسطة الذكاء الاصطناعي، يمكن للمصنعين ضمان أن القوالب المستندة إلى الطبيعة خضراء وموثوقة، مما يساعد على توسيع البناء المستدام دون التضحية بالسلامة.

الاستشهاد: Miao, B.H., Dong, Y., Theissler, A. et al. AI-powered non-destructive testing for smart manufacturing of carbon-negative biopolymer-bound soil composite. Commun Eng 5, 64 (2026). https://doi.org/10.1038/s44172-026-00621-8

الكلمات المفتاحية: مركب تربة مرتبط ببيوبوليمرات, اختبار غير مدمر, استشعار الاهتزاز, مراقبة الجودة بالذكاء الاصطناعي, البناء المستدام