Clear Sky Science · es

Integración de aprendizaje automático y caracterización microestructural para la predicción de resistencia con humo de sílice y arena manufacturada para hormigón sostenible

· Volver al índice

Hormigón más fuerte y más verde para las ciudades del mañana

El hormigón es la columna vertebral de los edificios, puentes y carreteras modernas, pero su producción tiene un elevado coste medioambiental, sobre todo por la fabricación del cemento y la extracción de arena de río. Este estudio explora cómo lograr un hormigón más resistente y sostenible incorporando subproductos industriales en la mezcla y empleando modelos computacionales avanzados para predecir el rendimiento. El resultado es una receta que no solo reduce el uso de materiales tradicionales, sino que también ofrece un hormigón más fuerte y duradero para las estructuras futuras.

Figure 1
Figure 1.

Replantear los componentes del hormigón

En lugar de depender únicamente del cemento ordinario y la arena de río natural, los investigadores diseñaron seis recetas diferentes de hormigón. Cada una empleó un 10 % de ceniza volante (un polvo fino procedente de centrales térmicas de carbón), cantidades variables de humo de sílice (un subproducto muy fino de la producción de silicio) y reemplazó por completo la arena de río por arena manufacturada: roca triturada procesada para imitar la arena natural. Estos ingredientes se combinaron en proporciones cuidadosamente controladas y se moldearon en cubos, cilindros y vigas. El equipo evaluó la resistencia de cada mezcla a la compresión, tracción y flexión tras 7, 28 y 90 días de curado, reproduciendo la forma en que el hormigón gana resistencia con el tiempo en una obra.

Encontrar el punto óptimo para la resistencia

Todos los hormigones modificados rindieron al menos igual que la mezcla estándar, y algunos claramente mejoraron. La receta destacada contenía 10 % de ceniza volante, 12 % de humo de sílice y 100 % de arena manufacturada. En comparación con la mezcla de referencia, esta combinación proporcionó aumentos de resistencia a la compresión de aproximadamente un 17 % a los 28 días y un 20 % a los 90 días, con mejoras similares en la resistencia a la tracción y a la flexión. Pruebas ultrasónicas no destructivas mostraron que este hormigón no solo era más fuerte, sino también de excelente calidad interna, con ondas sonoras que viajaban más rápido a través de su estructura más densa. Sin embargo, los investigadores también observaron que añadir demasiado humo de sílice (18–24 %) comenzó a reducir los beneficios, lo que revela que existe una ventana óptima en lugar de una regla de “cuanto más, mejor”.

Mirar dentro del hormigón a escala microscópica

Para comprender por qué la mejor mezcla se comportaba tan bien, el equipo examinó el hormigón endurecido con microscopios electrónicos y análisis térmico. Las imágenes de la microestructura interna mostraron que la ceniza volante y el humo de sílice ayudan a crear una red densa, de tipo aglutinante, que une la arena y los áridos con mayor firmeza, con menos poros y fisuras. Los escaneos químicos confirmaron que el equilibrio entre calcio y silicio se desplazó hacia una composición conocida por formar geles de unión especialmente estables. Las pruebas térmicas, en las que pequeñas muestras se calientan lentamente, revelaron cómo se liberaban el agua y otros componentes, vinculando los cambios de masa con la descomposición de fases internas clave. En conjunto, estas investigaciones mostraron que la mezcla óptima produce un esqueleto interno compacto y bien conectado que resiste el deterioro y ralentiza la penetración de agua y otros agentes que normalmente debilitan el hormigón con el tiempo.

Figure 2
Figure 2.

Dejar que las máquinas aprendan la mejor receta

Dado que las pruebas de laboratorio de muchas mezclas de hormigón consumen tiempo y recursos, los investigadores recurrieron también al aprendizaje automático para predecir la resistencia a partir de los ingredientes de la mezcla y el tiempo de curado. Usando sólo 54 puntos de datos cuidadosamente medidos de sus experimentos, entrenaron varios tipos de algoritmos para predecir la resistencia de una receta dada. El enfoque de mejor rendimiento, un método llamado gradient boosting, reprodujo las resistencias medidas con gran precisión, igualando casi los resultados de las pruebas a 7, 28 y 90 días. Otros modelos de ensamblado también obtuvieron buenos resultados, mientras que un método lineal simple tuvo dificultades, lo que subraya la importancia de capturar relaciones complejas y no lineales entre los materiales y la resistencia. El análisis de importancia de características mostró que el tiempo de curado fue el factor individual que más influyó en la resistencia, aunque la presencia de humo de sílice, ceniza volante y arena manufacturada también desempeñó papeles de apoyo significativos.

Qué significa esto para la construcción futura

Para el público general, la conclusión clave es que es posible diseñar hormigón que sea a la vez más ecológico y de mejor rendimiento combinando de forma inteligente subproductos industriales y arenas diseñadas, y empleando modelos computacionales para guiar y reducir la necesidad de ensayos por prueba y error. El estudio identifica una receta práctica —usar 10 % de ceniza volante, 12 % de humo de sílice y sustituir completamente la arena de río por arena manufacturada— que produce un hormigón más fuerte, denso y duradero sin aumentar el contenido de cemento. Cuando se combina con herramientas de aprendizaje automático fiables, este enfoque puede ayudar a constructores e ingenieros a avanzar más rápidamente hacia una construcción sostenible, manteniendo o incluso mejorando la seguridad y la vida útil de nuestro entorno construido.

Cita: Chaitanya, B.K., Sri Durga, C.S., Thatikonda, N. et al. Integration of machine learning and microstructural characterization for strength forecasting with silica fume and M-sand for sustainable concrete. Sci Rep 16, 8858 (2026). https://doi.org/10.1038/s41598-026-43410-1

Palabras clave: hormigón sostenible, ceniza volante, humo de sílice, arena manufacturada, aprendizaje automático