Predicción de la resistencia a compresión del hormigón con agregados reciclados carbonatados mediante modelos de aprendizaje automático basados en regresión

Convertir el hormigón viejo en un aliado climático

Cada año, las ciudades demuelen enormes cantidades de hormigón, enviando fragmentos al vertedero y exigiendo nueva roca de las canteras. Este estudio explora una forma de cerrar ese ciclo: tomar hormigón de desecho triturado, usarlo para secuestrar dióxido de carbono y, después, predecir con herramientas modernas de aprendizaje automático qué tan resistente será el nuevo hormigón más ecológico. Para quienes se interesan por ciudades climáticamente responsables y un uso más inteligente de los datos, este trabajo muestra cómo la inteligencia artificial puede ayudar a los ingenieros a diseñar edificios más seguros y sostenibles a partir de los escombros de ayer.

Por qué importa reutilizar el hormigón

El hormigón está en todas partes: carreteras, puentes, rascacielos; su producción consume grandes cantidades de roca natural y energía al tiempo que emite elevadas cantidades de CO₂. Los áridos reciclados, obtenidos al triturar hormigón viejo, pueden aliviar esta carga reduciendo la extracción en cantera y los residuos en vertederos. Pero hay un inconveniente: estos fragmentos suelen llevar pasta de cemento adherida en su superficie, lo que los hace más porosos y débiles que la piedra natural. Eso con frecuencia implica que el hormigón nuevo hecho con áridos reciclados no sea tan resistente ni duradero, una preocupación seria para la seguridad estructural.

Fortalecer el hormigón de desecho con CO₂

Para abordar este problema, los investigadores han recurrido a la carbonatación, un proceso en el que se introduce deliberadamente CO₂ para reaccionar con compuestos de la pasta de cemento vieja. En el interior de las partículas recicladas, el gas forma minerales sólidos que llenan poros, cierran microgrietas y mejoran las zonas de contacto que mantienen unido el hormigón nuevo. Esto no solo mejora la calidad del material—aumentando la densidad y reduciendo la absorción de agua—sino que también almacena CO₂ dentro del hormigón, convirtiendo el residuo en un pequeño sumidero de carbono. El estudio se centró en hormigón fabricado con estos áridos reciclados carbonatados y planteó una pregunta clave: ¿podemos predecir con precisión la resistencia de este hormigón más verde sin realizar interminables ensayos de laboratorio?

Enseñar a los ordenadores a predecir la resistencia

Los autores reunieron 108 muestras de hormigón medidas cuidadosamente procedentes de experimentos anteriores. Para cada una registraron cómo se formuló la mezcla (como la relación agua-cemento y la cantidad de árido fino y grueso), la calidad de los áridos (su absorción de agua y resistencia al trituración), la resistencia del hormigón “madre” original, cuánto CO₂ absorbieron las piezas recicladas y qué fracción de piedra natural se sustituyó por material reciclado. A continuación entrenaron varios modelos de aprendizaje automático de tipo regresión—desde fórmulas lineales simples hasta árboles de decisión y ensamblados más flexibles—para aprender la relación entre estas entradas y la resistencia a compresión resultante.

Desentrañar mezclas complejas con modelos inteligentes

Muchos de los ingredientes medidos estaban fuertemente interrelacionados, lo que puede confundir los métodos estadísticos tradicionales. Para simplificar, el equipo combinó grupos de variables relacionadas en dos índices compuestos: uno que describe cómo se dosificó la mezcla en conjunto y otro que resume el rendimiento de los áridos. Luego compararon modelos entrenados con los datos completos y detallados con modelos entrenados con estos índices compactos. Los enfoques lineales simples funcionaron razonablemente bien pero tuvieron dificultades con las relaciones curvas e entrelazadas de los datos. En contraste, los métodos de ensamblado basados en árboles—árboles de decisión, bosques aleatorios y LightGBM—captaron estos patrones con notable precisión, manteniendo errores típicos de predicción en poco más de 1 megapascal y explicando más del 99% de la variación observada en los ensayos.

Qué es lo más importante para un hormigón verde y resistente

Para abrir la “caja negra” de los modelos de mejor rendimiento, los investigadores utilizaron SHAP, una técnica que muestra cuánto cada entrada tiende a empujar las predicciones hacia arriba o hacia abajo. Encontraron que la dosificación de la mezcla—especialmente el equilibrio entre cemento, áridos y agua—es el factor dominante que controla la resistencia. El grado de carbonatación de los áridos reciclados también juega un papel importante pero no lineal: un mayor tratamiento con CO₂ suele ayudar, pero su efecto depende de la calidad del hormigón “madre” original. El indicador combinado del rendimiento de los áridos tiene una influencia moderada, mientras que simplemente aumentar el porcentaje de áridos reciclados importa menos que ajustar correctamente el diseño de la mezcla y el tratamiento.

De los datos de laboratorio al diseño práctico

En términos sencillos, este estudio muestra que el hormigón con áridos reciclados carbonatados puede ser a la vez climático y resistente—siempre que su receta se ajuste con cuidado. El aprendizaje automático moderno, especialmente los modelos de ensamblado basados en árboles, puede predecir con precisión la resistencia a partir de un conjunto manejable de parámetros de mezcla y material, reduciendo la necesidad de ensayos laboriosos para cada nueva combinación. Para ingenieros y planificadores, esto significa que es cada vez más realista diseñar estructuras que reutilicen hormigón viejo, fijen CO₂ y cumplan con exigentes normas de seguridad, con herramientas guiadas por datos marcando el camino.

Cita: Gebremariam, H.G., Taye, S. & Tarekegn, A.G. Compressive strength prediction of carbonated recycled aggregate concrete using regression based machine learning models. Sci Rep 16, 5825 (2026). https://doi.org/10.1038/s41598-026-36197-8

Palabras clave: hormigón reciclado, carbonatación, aprendizaje automático, resistencia a compresión, construcción sostenible