Evaluación de la pérdida de resistencia inducida por temperatura en hormigón activado alcalinamente mediante modelos de regresión por ensamblado

Por qué importa el hormigón expuesto al calor

Cuando un edificio sufre un incendio grave, la resistencia de su hormigón puede marcar la diferencia entre mantenerse en pie o colapsar. Los ingenieros recurren cada vez más a un tipo de hormigón más ecológico, denominado hormigón activado alcalinamente, que reutiliza residuos industriales y resiste mejor el calor que el cemento tradicional. Pero ensayar cada receta posible en un horno es lento y costoso. Este estudio muestra cómo las herramientas modernas basadas en datos pueden aprender de experimentos previos y predecir rápidamente cuánta resistencia conservará este hormigón más sostenible tras exponerse a temperaturas extremas.

Un tipo de hormigón más verde

El hormigón activado alcalinamente sustituye gran parte del cemento habitual por subproductos industriales como ceniza volante de centrales eléctricas, escoria de altos hornos de la siderurgia e incluso vidrio molido fino procedente de residuos. Este cambio reduce las emisiones de carbono y da una segunda vida a estos materiales. Gracias a su estructura interna de gel vinculante distinta, este hormigón suele comportarse mejor cuando se calienta. Sin embargo, su comportamiento frente al fuego es muy sensible a los detalles: la mezcla de polvos, los químicos usados para activarlos, el tiempo y la temperatura de curado, y la temperatura máxima a la que luego se somete. Esa complejidad dificulta predecir, solo desde principios físicos básicos, cuánta resistencia quedará tras un incendio.

Dejar que los datos aprendan los patrones

Los investigadores reunieron un conjunto de datos detallado de 371 cubos de hormigón fabricados con ceniza volante y escoria, a veces parcialmente reemplazados por polvo de vidrio reciclado. Se registró la receta de cada cubo, junto con cómo se curó y la temperatura —entre condiciones habituales y 1000 °C— a la que se calentó antes de ensayarlo. En lugar de recurrir a ecuaciones simples, el equipo empleó cinco métodos supervisados de aprendizaje automático. Estos algoritmos buscan patrones que vinculen las entradas (proporciones de la mezcla, temperatura y tiempo de curado, y nivel de calentamiento) con la salida: la resistencia a compresión restante del hormigón.

Qué "pronosticador" digital funciona mejor

El estudio comparó un árbol de decisión básico con métodos más avanzados de "ensamblado" que combinan muchos modelos simples para obtener una predicción más fiable. Estos incluyeron bagging, AdaBoost, bosque aleatorio y una técnica llamada Extreme Gradient Boosting. Los autores usaron una validación cruzada cuidadosa, entrenando los modelos con algunos diseños de mezcla y probándolos con otros totalmente distintos para imitar el uso en la práctica. De entre todos los candidatos, el modelo de gradient boosting destacó. Reprodujo los resultados de ensayo con un muy alto grado de concordancia y el menor error medio, seguido de cerca por el bosque aleatorio. En contraste, un enfoque lineal simple no pudo capturar la forma curvada y no lineal en que cambia la resistencia con la composición y la temperatura.

Descubrir qué importa realmente dentro de la mezcla

Más allá de la precisión pura, los investigadores quisieron saber qué ingredientes y pasos de procesamiento realmente determinan el rendimiento frente al calor. Examinaron correlaciones y usaron herramientas de interpretabilidad que muestran cuánto cada variable de entrada desplaza las predicciones del modelo. La temperatura de curado, la duración del curado y la concentración del activador alcalino surgieron como los factores dominantes que controlan cuánta resistencia conserva el hormigón tras el calentamiento. Variables como la cantidad de árido grueso o pequeños cambios en la cantidad de agua jugaron un papel menor. El análisis también reflejó procesos físicos conocidos: un curado moderado ayuda a formar una red vinculante densa, pero un exceso de calor o de contenido alcalino puede volver el material endurecido más frágil y propenso a agrietarse cuando las temperaturas subsecuentes se acercan a 1000 °C.

Del laboratorio de ensayo a la herramienta de diseño

En términos sencillos, este trabajo convierte un conjunto disperso de ensayos en horno en una ayuda práctica para el diseño. Los modelos por ensamblado actúan como asesores rápidos y entrenados que pueden estimar cómo se comportará una receta propuesta de hormigón ecológico en un incendio severo, sin tener que moldear y calentar cientos de muestras nuevas. Al resaltar qué variables son más importantes, también orientan a los ingenieros hacia decisiones más acertadas en el curado y la dosificación química. El enfoque no reemplaza los ensayos detallados ni los códigos de construcción, y aún necesita ampliarse a otros materiales y condiciones. Pero ofrece un paso potente hacia el diseño de estructuras de hormigón más seguras, resistentes al fuego y sostenibles usando muchos menos ensayos por ensayo y error.

Cita: Deepti, Y., Kumar, S., Bandyopadhyay, A. et al. Assessment of thermally induced strength loss in alkali-activated concrete through ensemble regression models. Sci Rep 16, 14475 (2026). https://doi.org/10.1038/s41598-026-44193-1

Palabras clave: hormigón activado alcalinamente, materiales resistentes al fuego, aprendizaje automático, resistencia a compresión, construcción sostenible