Ensayos no destructivos impulsados por IA para la fabricación inteligente de un compuesto de suelo ligado por biopolímeros con balance de carbono negativo

Bloques de construcción más inteligentes para un mundo que se calienta

Los edificios son responsables de una gran parte de las emisiones globales de carbono, en gran medida por el concreto a base de cemento. Este estudio explora un tipo de bloque de construcción muy distinto: ladrillos hechos de suelo unidos por polímeros naturales, que en realidad pueden almacenar más carbono del que emiten. Los investigadores muestran cómo la inteligencia artificial y pruebas sencillas de vibración pueden detectar fallos ocultos en estos ladrillos “verdes” mientras todavía están blandos y además seguir cómo se secan y endurecen, allanando el camino para una construcción más segura, con menos residuos y más respetuosa con el clima.

Ladrillos hechos por la naturaleza, no por el cemento

El material en el centro de este trabajo se denomina compuesto de suelo ligado por biopolímeros. En lugar de cemento, utiliza polímeros derivados de fuentes biológicas, como proteínas, para pegar los granos de arena entre sí. Una vez secos, estos ladrillos pueden ser tan fuertes como el hormigón y, sin embargo, tener una huella de carbono negativa porque fijan carbono que de otro modo volvería a la atmósfera. Si estos materiales van a pasar del laboratorio al uso cotidiano, los fabricantes necesitan métodos fiables para asegurar que cada ladrillo sea resistente, uniforme y esté libre de defectos peligrosos. Las inspecciones tradicionales para el hormigón y otros materiales de construcción tienden a ser lentas, destructivas o solo funcionan una vez el material está completamente endurecido, lo cual llega demasiado tarde para corregir problemas sin desperdiciar material.

Escuchar las vibraciones en vez de romper los ladrillos

El equipo desarrolló un sistema de ensayo no destructivo que “escucha” cómo vibra un ladrillo fresco y blando cuando se le da un ligero golpe. En sus experimentos, mezclaron arena, agua y un aglutinante proteico de sangre para formar un compuesto húmedo, lo empacaron en moldes rectangulares y lo probaron inmediatamente. Un martillo de impulso proporcionó golpes rápidos en la superficie mientras un pequeño acelerómetro en el ladrillo registraba las ondas de vibración resultantes. Estas señales contienen información sobre la estructura interna del material: un ladrillo liso y uniforme vibra de forma distinta a otro con huecos, inclusiones densas o separaciones internas que imitan grietas. Dado que el hardware es simple y comercial, el sensor puede moverse rápidamente de un ladrillo a otro, algo así como un médico que usa un estetoscopio.

Enseñar a la IA a detectar fallos ocultos

Para interpretar los patrones de vibración complejos, los investigadores construyeron dos familias de modelos de IA, apodadas Mini-ft y Mega-ft. Ambos comienzan cortando los datos continuos del sensor en fragmentos cortos, cada uno con la respuesta a un solo golpe del martillo. Mini-ft se centra en 171 puntos clave de cada fragmento y comprime esa información hasta dejar solo dos características que capturan cómo la señal asciende y decae. Luego utiliza un método de vecinos más cercanos sencillo para decidir si una muestra es normal o defectuosa y un modelo estadístico para estimar cuánto humedad ha perdido mientras se seca. Mega-ft adopta un enfoque más potente: aplica miles de filtros de forma aleatoria a cada fragmento para crear una descripción rica de 20.000 características de la vibración. Un clasificador lineal rápido usa esta huella de alta resolución para reconocer no solo si un ladrillo es defectuoso, sino también qué tipo de defecto presenta.

¿Qué tan bien funciona el sistema?

El equipo probó su enfoque con veinte ladrillos fabricados en laboratorio, incluidos once sin defectos y ocho con fallos cuidadosamente incorporados. Algunos contenían piezas de acero para imitar regiones inusualmente densas; otros escondían formas huecas de plástico para simular vacíos; y otros más tenían finas láminas plásticas en lugar de grietas internas de varios tamaños. Usando el modelo más simple Mini-ft, el sistema distinguió correctamente ladrillos defectuosos de normales en aproximadamente el 96% de los casos y pudo separar nueve clases diferentes —una normal más ocho tipos de defecto— con una precisión de alrededor del 82%. El modelo más detallado Mega-ft elevó estos números aún más, hasta aproximadamente un 99% para la detección básica de defectos y un 97% para distinguir entre tipos de defectos. La IA también pudo estimar cuánto se había secado un ladrillo y, por tanto, cuánta resistencia había ganado, con solo unos pocos puntos porcentuales de error, lo que la hace útil para seguir el proceso de endurecimiento en el tiempo.

Del estudio piloto a la construcción en el mundo real

Aunque este trabajo se realizó en muestras del tamaño de un ladrillo con defectos deliberadamente exagerados, los hallazgos apuntan a una herramienta práctica para la planta de producción que permita gestionar nuevos materiales de construcción con balance de carbono negativo. Dado que el método funciona mientras el material aún está húmedo, los lotes defectuosos podrían detectarse temprano y la mezcla reciclarse en lugar de tirarse, reduciendo tanto el desperdicio como el coste. El mismo sistema de vibración e IA podría adaptarse a diferentes diseños de mezcla, temperaturas y formas de producto, desde ladrillos pequeños hasta elementos estructurales más grandes e incluso piezas impresas en 3D. En términos sencillos, el estudio muestra que, con golpecitos y “escuchando” con IA, los fabricantes pueden asegurar que los ladrillos de origen natural sean a la vez verdes y fiables, ayudando a que la construcción sostenible escale sin sacrificar la seguridad.

Cita: Miao, B.H., Dong, Y., Theissler, A. et al. AI-powered non-destructive testing for smart manufacturing of carbon-negative biopolymer-bound soil composite. Commun Eng 5, 64 (2026). https://doi.org/10.1038/s44172-026-00621-8

Palabras clave: compuesto de suelo ligado por biopolímeros, ensayos no destructivos, detección de vibraciones, control de calidad con IA, construcción sostenible