מסגרת למידת מכונה מונחית-פיזיקה עבור בטון עם מלט ממוחזר: מאגר ניסויי, תיעוד מודלים ואימות סטטיסטי

להפוך בטון ישן למשאב חדש

בכל שנה מטופלים מיליארדי טונות של בטון מרוסק מבניינים וכבישים שנהרסו כפסולת, אף על פי שרבים מהם ניתנים לשימוש חוזר. מחקר זה בוחן כיצד להפוך את הריסות אלה לבטון חדש ואמין על ידי שילוב בדיקות מעבדה קפדניות עם כלים מודרניים של למידת מכונה. המטרה היא להפוך את הבנייה ליותר בת-קיימא מבלי לפגוע בבטיחות, על ידי הבנת הכמות המדויקת של חומר ממוחזר שניתן להשתמש בה ותנאי השימוש המתאימים.

מדוע שימוש חוזר בבטון אינו פשוט

אגגראגט מבטון ממוחזר מתקבל על ידי כתישת בטון ישן לחלקים קטנים שיכולים להחליף את החצץ והחול הנחצבים לבנייה חדשה. שימוש בו מפחית פסולת, חציבה ופליטות תחבורה. יחד עם זאת, חלקיקים ממוחזרים נושאים איתם שאריות של מורטאר ישן וסדקים זעירים, מה שהופך אותם לנקבוביים ופחות אחידים מאבנים טבעיות. כתוצאה מכך, בטון המכיל אגגראגט ממוחזר עלול לאבד חוזק ולהיות קשה יותר לחיזוי. מהנדסים זקוקים לכללים ברורים ואמינים על האופן שבו כמויות, גדלים ואיכות של האגגראגט הממוחזר משפיעים על חוזק הבטון החדש.

בניית תמונה ניסויית מעמיקה

כדי לענות על השאלות הללו, החוקרים ערכו סדרת תערובות מקיפה עם חומר ממוחזר שמקורו בשש דרגות חוזק מקוריות שונות, החל מבטון חלש מאוד ועד לבטון מבני חזק. הם פרדו את המלט הממוחזר לשלושה טווחי גודל—דקים, בינוניים וגודל חצץ—ושימשו אותם כדי להחליף 10% עד 50% מהאגגראגט הטבעי, תוך שמירה קבועה על תנאי מים וצמנט. עבור כל תערובת נמדדו חוזק לחיצה (כמה לחץ היא יכולה לעמוד), חוזק מתיחה מפוצל (התנהגות במתיחה) וחוזק כיפוף (אופן הכיפוף). בכל המבדקים נרשמה ירידה בחוזק ככל שהאחוז של האגגראגט הממוחזר עלה, אך גודלה של הירידה תלוי בחוזק המקורי של הבטון ובגודל החלקיקים. חלקיקים דקים ממוחזרים, שנושאים יותר מורטאר ישן ונקבוביות, פגעו הכי הרבה בחוזק, בעוד שחלקיקים גסים בגודל חצץ היו פחות מזיקים.

מציאת גבולות בטוחים והשפעות מרכזיות

התוצאות הניסויית חשפו כללים תכנוניים שימושיים שיכולים להנחות עבודה מעשית. כאשר החומר הממוחזר נגזר מבטון אם בעל חוזק נמוך, החלפה של 30% מהאגגראגט הטבעי הובילה לאובדן באחוזים דו-ספרתיים בחוזק לחיצה ובחוזק מתיחה, במיוחד כשהשתמשו בחלקיקים דקים. לעומת זאת, כאשר האגגראגט הממוחזר מקורו בבטון בעל חוזק גבוה, הירידות בחוזק ב-30% החלפה היו קטנות וביצועים כוללים נשארו מקובלים לשימוש מבני. בסדרות רבות הופיע נקודת ייחוס עקבית: תערובות עם 10% או 20% אגגראגט ממוחזר שמרו בדרך כלל על חוזק טוב, בעוד שעבור מעבר לכ-30% נרשמה ירידה בולטת, במיוחד עבור חומרים מקוריים חלשים ושברים דקים יותר. דפוסים אלה תואמים מחקרים קודמים ומדגישים שכל האגגראגטים הממוחזרים אינם שווים—איכות וגודל משמעותיים.

להדריך את המכונות לכבד את חוקי הפיזיקה

מכיוון שריצוף בלתי נגמר של בדיקות מעבדה אינו אפשרי, הצוות פנה ללמידת מכונה כדי לחזות חוזק עבור קומבינציות חדשות שלא נבדקו פיזית. במקום להזין למחשב רק נתונים גולמיים, הם הציגו מה שהם קוראים מסגרת מונחית-פיזיקה. קודם כל ניקו וארגנו בקפידה את תוצאות הניסויים, ואז יצרו נקודות נתונים "סינתטיות" נוספות על ידי הטיית פרמטרי התערובת והחוזקים בטווחים צרים וריאליים המשקפים שונות מעבדתית שגרתית. לאחר מכן השתמשו בשיטת עודף דגימה מתקדמת כדי למלא פערים בין תערובות שנבדקו, אך רק בכיוונים שהגיוניים פיזיקלית. מערכי הנתונים המועשרים הללו שימשו לאימון שני מודלים מצטברים פופולריים, XGBoost ו-LightGBM, יחד עם משוואות סרק ליניאריות פשוטות המסכמות את המגמות השלטות בצורה שניתן להשתמש בה בקלות על ידי מהנדסים.

עד כמה החיזויים מדויקים

לאחר האימון, המודלים נבחנו על תערובות בדיקה שלא נראו כלל בזמן האימון. החיזויים שלהם עבור חוזק לחיצה וחוזק מתיחה התאמו את המדידות באופן הדוק, עם שגיאות שנשארו בטווח הנפוץ בבדיקות מעבדה חוזרות. המודלים היו מדויקים במיוחד בתחום חוזק המתיחה, שבו דפוס הדעיכה עם עלייה באחוז האגגראגט הממוחזר חלק וקל יותר ללכידה. חשוב לציין שהמחברים בדקו שהירידות בחוזק שנחזו עם תכולת ממוחזר גבוהה אינן מקריות סטטיסטיות: מבחנים סטטיסטיים סטנדרטיים הראו שהמגמות חזקות ובעלות משמעות גבוהה. על ידי השוואת גרסאות המודלים עם והיעדר הרחבת נתונים מונחית-פיזיקה, הם מצאו שהגישה המנחה הניבה ציוני דיוק שאינם נוצצים במיוחד, אך התנהגות יציבה וריאליסטית הרבה יותר, במיוחד באזורים של החלפה גבוהה בהם הנתונים דלים.

מה משמעות הדבר עבור בנייה ירוקה

במונחים יומיומיים, עבודה זו מראה שניתן להשתמש במודלים ממוחשבים כדי לתכנן תערובות בטון ירוקות יותר התלויות בחומר ממוחזר, מבלי להתייחס לפיזיקה כמשהו משני. המחקר מאשר שכמויות מתונות של אגגראגט ממוחזר איכותי—במיוחד חלקיקים גסים ממקור בבטון ישן בעל חוזק—יכולות להחליף בצורה בטוחה חלק משמעותי מהאגגראגט הטבעי. במקביל, הוא מציג דרך שבה למידת מכונה נשארת מעוגנת בהתנהגות העולם האמיתי על ידי כיבוד גבולות ומגמות ידועות. כלי חיזוי זה, המודע לפיזיקה, יכול לסייע למהנדסים בקבלת החלטות מהירות וטובות יותר לגבי עיצוב תערובות, ותומך באימוץ רחב יותר של בטון ממוחזר תוך שמירה על בטיחות ואמינות המבנים.

ציטוט: Mohamud, M.A., Alasiri, M.R., Özdöner, N. et al. Physics-guided machine learning framework for RCA concrete by experimental database, modelling, and statistical validation. Sci Rep 16, 7907 (2026). https://doi.org/10.1038/s41598-026-38554-z

מילות מפתח: סלעי מילוי מבטון ממוחזר, בנייה בת-קיימא, למידת מכונה בחומרים, עיצוב תערובות מונחה-נתונים, חיזוי חוזק הבטון