Predicción de la resistencia a compresión de morteros con vidrio reciclado de CRT mediante los métodos GMDH y GEP

Convertir televisores viejos en bloques de construcción más seguros y resistentes

Millones de televisores y monitores de tubo de rayos catódicos (CRT) desechados se acumulan en vertederos de todo el mundo. Su vidrio pesado contiene una gran cantidad de plomo, que puede filtrarse al suelo y al agua. Este estudio explora una forma de inmovilizar ese vidrio peligroso de manera segura dentro de morteros de construcción, manteniendo a la vez la resistencia necesaria para usos reales. Combinando el reciclaje con el modelado moderno basado en datos, los investigadores muestran cómo podríamos convertir una corriente de residuos tóxicos en un ingrediente útil para edificios más ecológicos e incluso paredes con protección frente a radiación.

Por qué el vidrio de pantallas antiguas es un problema y una oportunidad

El vidrio de CRT es inusualmente denso y contiene alrededor de un 20–25 % de óxido de plomo. Si se tritura y se deposita, este plomo puede lixiviarse lentamente y contaminar el entorno. Experimentos previos mostraron que cuando el vidrio CRT se incorpora en morteros a base de cemento, el fluido poroso altamente alcalino del cemento ayuda a atrapar metales pesados, reduciendo drásticamente su lixiviación. Al mismo tiempo, la alta densidad del vidrio puede mejorar el blindaje frente a rayos X y a la radiación. La desventaja es que sustituir la arena natural por vidrio CRT reciclado (RCRT) suele debilitar el mortero porque las partículas lisas de vidrio se adhieren mal a la pasta circundante. Los ingenieros, por tanto, afrontan un compromiso entre beneficios ambientales, rendimiento de blindaje y resistencia mecánica.

De costosas pruebas de laboratorio a predicciones inteligentes

Diseñar mezclas de mortero que logren el equilibrio adecuado normalmente ha requerido numerosas pruebas de ensayo y error en laboratorio, que son lentas y caras. Investigaciones anteriores informaron en su mayoría resultados individuales de ensayos y a veces utilizaron fórmulas estadísticas tradicionales para predecir la resistencia, pero estos enfoques tuvieron dificultades con las interacciones complejas y no lineales entre los ingredientes de la mezcla. En particular, ningún trabajo previo había construido modelos predictivos específicos para morteros con vidrio RCRT, y la mayoría de estudios modernos de aprendizaje automático se centraron en otros materiales reciclados o emplearon algoritmos de "caja negra" que ofrecen poca información sobre cómo cada ingrediente afecta la resistencia. Este estudio se propuso llenar ese vacío usando modelos transparentes basados en ecuaciones.

Cómo enseñaron los modelos los investigadores

El equipo compiló una base de datos de 139 muestras de mortero elaboradas con diferentes proporciones de agua, cemento, ceniza volante, arena natural, vidrio RCRT y distintos tiempos de curado. Primero limpiaron los datos eliminando valores atípicos y estandarizando las escalas de todas las variables. A continuación entrenaron dos métodos de computación blanda denominados de "caja blanca" para predecir la resistencia a compresión: Group Method of Data Handling (GMDH), que construye una red multicapa de ecuaciones polinómicas simples, y Gene Expression Programming (GEP), que evoluciona fórmulas matemáticas de forma inspirada en la genética. Ambos métodos producen ecuaciones explícitas que los ingenieros pueden usar en calculadoras o hojas de cálculo en lugar de código opaco. Los datos se dividieron en conjuntos de entrenamiento y prueba, y los modelos se validaron además mediante validación cruzada de cinco pliegues para evaluar su estabilidad.

Qué método ganó y qué factores importan más

El modelo GMDH superó claramente tanto al modelo GEP como a los métodos de regresión clásicos. En datos de prueba no vistos, GMDH alcanzó un coeficiente de determinación (R²) de 0,942, con errores de predicción bajos, lo que significa que las resistencias calculadas coincidían estrechamente con las medidas de laboratorio. GEP obtuvo un desempeño razonable pero mostró más dispersión y errores mayores, mientras que las regresiones lineales y no lineales simples no captaron gran parte de la complejidad subyacente. Para entender qué ingredientes influían más en la resistencia, los investigadores utilizaron una herramienta moderna de explicación llamada SHAP. Se reveló que el contenido de agua era el factor dominante: demasiado agua tiende a crear poros adicionales y reducir la resistencia. El tiempo de curado fue el siguiente: un curado más largo permite más reacciones de hidratación y morteros más fuertes. El contenido de cemento tuvo un efecto moderado, mientras que las cantidades de vidrio RCRT y arena desempeñaron papeles menores y secundarios en el rango de mezclas estudiado.

Qué significa esto para una construcción más verde

Para el lector general, la conclusión clave es que parece tanto seguro como práctico reciclar cantidades moderadas de vidrio CRT en morteros cementicios sin sacrificar gravemente la resistencia, siempre que la mezcla se diseñe con cuidado. Las ecuaciones GMDH ofrecen a los ingenieros una herramienta fiable y fácil de usar para predecir cuán resistente será un mortero rico en RCRT antes de preparar una sola tanda. Dado que el método es transparente, los diseñadores también pueden ver cómo cambiar agua, cemento o tiempo de curado alterará el rendimiento y compensar la pequeña pérdida de resistencia causada por el vidrio. En resumen, el estudio muestra que combinar el reciclaje de residuos industriales con modelos interpretables de aprendizaje automático puede ayudar a convertir residuos electrónicos peligrosos en un ingrediente predecible y estructuralmente sólido para materiales de construcción sostenibles e incluso con capacidad de blindaje radiológico.

Cita: Ghorbani, V., Seyedkazemi, A. & Kutanaei, S.S. Predicting compressive strength of mortars containing recycled CRT glass using GMDH and GEP methods. Sci Rep 16, 6655 (2026). https://doi.org/10.1038/s41598-026-36553-8

Palabras clave: vidrio reciclado de CRT, resistencia de mortero cementicio, construcción sostenible, modelos de aprendizaje automático, materiales para blindaje radiológico