Análisis de las propiedades mecánicas del hormigón geopolymero a partir de ceniza de bagazo de caña de azúcar mediante aprendizaje automático

Convertir residuos agrícolas en hormigón más fuerte y más limpio

El hormigón es la columna vertebral de las ciudades modernas, pero la fabricación del cemento ordinario libera enormes cantidades de dióxido de carbono. Este estudio explora una forma de reducir esa contaminación convirtiendo un residuo agrícola —la ceniza procedente del procesamiento de la caña de azúcar— en un ingrediente clave de un nuevo tipo de hormigón. También muestra cómo las herramientas de datos modernas, incluido el aprendizaje automático, pueden ayudar a los ingenieros a predecir rápidamente la resistencia de este hormigón más ecológico.

Por qué importa un nuevo tipo de hormigón

El hormigón tradicional depende del cemento Portland, cuya fabricación requiere mucha energía y es responsable de una parte significativa de las emisiones globales de CO₂. En los últimos años, el hormigón “geopolímero” ha surgido como una alternativa prometedora. En lugar de depender del cemento, utiliza subproductos industriales ricos en sílice y alúmina —como la ceniza volante de las centrales eléctricas— activados por soluciones alcalinas. Esta química produce un aglutinante duro, similar a la piedra, mientras que potencialmente reduce las emisiones entre un 22 y un 72%, sin sacrificar resistencia ni durabilidad. La novedad en este trabajo es sustituir parte de la ceniza volante por ceniza de bagazo de caña de azúcar, un residuo generado en grandes cantidades en los ingenios azucareros y que a menudo se deposita en vertederos o se libera como polvo fino contaminante.

De los campos de caña a los bloques de construcción

India, uno de los mayores productores de caña de azúcar del mundo, genera millones de toneladas de ceniza de bagazo cada año. Químicamente, esta ceniza es rica en sílice reactiva y otros óxidos, lo que significa que puede comportarse de forma similar a los aditivos cementantes tradicionales si se usa correctamente. Los investigadores recogieron ceniza volante y ceniza de bagazo de fuentes locales, las mezclaron en distintas proporciones y las combinaron con arena y grava estándar. Luego añadieron solución de hidróxido de sodio a diferentes concentraciones para activar la reacción geopolymer, vertieron probetas de ensayo y las curaron. El objetivo principal fue ver cuánto de la ceniza volante se podía reemplazar por ceniza de bagazo sin dejar de alcanzar alta resistencia a compresión, flexión y tracción —las tres medidas clave del comportamiento del hormigón bajo distintos tipos de esfuerzo.

Encontrando el punto óptimo de resistencia

El equipo probó mezclas en las que la ceniza de bagazo reemplazó entre el 0 y el 50% de la ceniza volante y variaron la concentración del activador alcalino. Encontraron que tanto la cantidad de ceniza de bagazo como la concentración de hidróxido de sodio influyeron de forma marcada en el rendimiento. Una receta particularmente exitosa empleó un 30% de ceniza de caña y una concentración de activador medio-alta. Tras 28 días, esta mezcla alcanzó una resistencia a compresión de unos 47 megapascales, claramente en el rango necesario para aplicaciones estructurales y superior a la mezcla de control sin ceniza de bagazo. Tendencias ascendentes similares aparecieron en las pruebas de flexión y división, aunque las resistencias se estabilizaron o descendieron ligeramente en los contenidos de ceniza más altos. Los resultados sugieren que existe un equilibrio óptimo: suficiente ceniza de bagazo para mejorar la estructura interna de unión, pero no tanto como para que la porosidad y la reacción incompleta empiecen a debilitar el material.

Dejar que los algoritmos aprendan del hormigón

Medir la resistencia del hormigón en laboratorio consume tiempo y es costoso, especialmente cuando muchas variables —como el tipo de ceniza, el nivel de reemplazo y la concentración química— cambian a la vez. Para acelerar esto, los investigadores entrenaron tres tipos de modelos de aprendizaje automático para predecir la resistencia a partir del diseño de la mezcla: una red neuronal artificial, un bosque aleatorio y un modelo XGBoost. Mientras la red neuronal ajustó bien los datos de entrenamiento, falló con datos nuevos, un signo clásico de sobreajuste. XGBoost, un potente método de boosting, fue casi perfecto en el conjunto de entrenamiento pero también perdió precisión en casos de prueba. El modelo de bosque aleatorio encontró el mejor equilibrio, manteniendo alta capacidad predictiva sobre datos no vistos para las tres medidas de resistencia, lo que lo convierte en la opción más fiable para la predicción práctica.

Qué significa esto para una construcción más verde

Este trabajo demuestra que la ceniza de bagazo de caña de azúcar, tratada hasta ahora como un problema de desecho, puede servir como un ingrediente valioso en hormigones geopolímeros de alto rendimiento. Con la proporción de mezcla y el nivel de activador adecuados, no solo desvía residuos de los vertederos y reduce las emisiones de carbono, sino que también ofrece un hormigón tan resistente —o más— que las mezclas convencionales. Combinar estas recetas más verdes con modelos robustos de aprendizaje automático permite a los ingenieros estimar la resistencia rápidamente a partir del diseño de la mezcla, acortando potencialmente los ciclos de desarrollo y reduciendo los costes de ensayo. Para el lector no especializado, la conclusión es simple: los residuos agrícolas y los algoritmos inteligentes pueden trabajar juntos para construir estructuras más limpias y más resistentes para las ciudades del futuro.

Cita: Pratap, B., Kumar, S., Gupta, K.K. et al. Mechanical properties analysis of geopolymer concrete based on the sugarcane bagasse ash using machine learning. Sci Rep 16, 14485 (2026). https://doi.org/10.1038/s41598-026-44848-z

Palabras clave: hormigón geopolymero, ceniza de bagazo de caña de azúcar, construcción sostenible, aprendizaje automático, ceniza volante