חיזוי חוזק לחץ של בטון באמצעות למידת עומק מותאמת ודגמי שפה גדולים

מדוע זה חשוב לבניינים בטוחים וידידותיים יותר לסביבה

הבטון תומך בבתינו, בגשרים ובמנהרות, אך בדיקות חוזקו בדרך כלל מחייבות המתנה של שבועות לתוצאות מעבדה. המחקר בוחן כיצד בינה מלאכותית מתקדמת יכולה לחזות במהירות ובדייקנות את חוזק הבטון רק מתוך המתכון שלו. חיזויים מהירים ואמינים יותר יכולים לסייע למהנדסים לתכנן מבנים בטוחים יותר, לצמצם ניסויים מבזבזים במעבדה ולהקל על השימוש ברכיבים בעלי פחמן נמוך כמו תוצרי תעשייה משניים.

מנתוני מעבדה מבולגנים לרכיבים דיגיטליים נקיים

החוקרים מתחילים ממאגר ציבורי גדול של תערובות בטון. כל רשומה מפרטת כמה מלט, סלג, אפר תעופה, מים, תוספים כימיים, חול, חצץ וזמן התקשות שומשו, יחד עם החוזק הסופי הנמדד. נתונים מהעולם האמיתי מהסוג הזה לעיתים קרובות לא עקביים: מדידות יכולות להיעדר, יחידות עשויות להשתנות, וערכים חריגים נדירים יכולים לעבור בין השורות. לטיפול בכך הצוות משתמש בדגמי שפה גדולים — מערכות בינה מלאכותית רב‑תכליתיות שבדרך כלל משמשות לעיבוד טקסט — כדי לנקות ולארגן מחדש את הנתונים. דגמים אלה מנחים משימות כמו בדיקת טווחים, יישור שמות ויחידות, יצירת כמויות נגזרות משמעותיות כמו יחס מים‑לצמנט, וטיפול בערכים חריגים. המטרה היא להפוך גיליון נתונים רועש לתיאור עקבי, מודע‑פיזיקה של כל תערובת, שניתן להזיןו לאלגוריתמי למידה.

להכשיר רשת ש׳רואה׳ גם את התערובת וגם את הזמן

חוזק הבטון אינו רק עניין של מה שמכניסים למערבל; הוא גם תוצאה של איך החוזק מתפתח במשך ימים ושבועות בזמן ההתקשות. כלים קודמים התרכזו בדרך‑כלל או ברכיבים או במגמות בזמן, אך לעיתים רחוקות בשניהם ביחד. עבודה זו משתמשת ברשת קונבולוציה גרפית מרחב‑זמנית, סוג של מודל המטפל בכל רכיב (כמו מלט, מים, סלג או תוספים) כצומת ברשת, עם חיבורים המשקפים עד כמה הם משפיעים זה על זה. במקביל המודל לומד לאורך ציר הזמן כיצד שילובים אלה צוברים חוזק ככל שהם מתבגרים. למעשה, המודל לומד דפוסים כמו "מלט גבוה ביחד עם מים נמוכים בדרך‑כלל מובילים לחוזק מהיר וגבוה יותר", ובמקביל לוכד תפקידים עדינים יותר לסלג, לאפר ולסוכנים כימיים בתקופות התקשות שונות.

להניח למאיץ "בדמות אדם" לכוונן את ה‑AI

אפילו רשתות עצב חזקות עלולות להניב תוצאות בינוניות אם הגדרותיהן הפנימיות — כגון קצב הלמידה, מספר השכבות או גדלי המסננים — נבחרות באופן לקוי. במקום כיוונון ידני, המחברים משתמשים בשיטת אופטימיזציה חדשה הנקראת אלגוריתם האופטימיזציה iHow. בהשראת אופן הלמידה האנושי, הוא מסתובב בין חיפוש רחב של עיצובים אפשריים לבין שיפור ממוקד של המועמדים המבטיחים ביותר, תוך שמירה על מעין זיכרון פנימי של מה שעבד עד כה. המאיץ הזה סורק את מרחב עיצובי הרשת וההגדרות האימוניות עבור המודל הגרפי, במטרה למזער טעויות חיזוי ולהימנע מתאמת יתר. אותה משפחה של רעיונות אופטימיזציה משמשת גם לבחירת תכונות, חיתוך רשימת הקלטים לכמויות האינפורמטיביות ביותר ושמירה על המודל קומפקטי וניתן לפרשנות.

כמה טוב זה עובד בהשוואה לכלי AI אחרים?

הצוות מבצע השוואות נרחבות מול מגוון רחב של חלופות: רשתות עמוקות סטנדרטיות, טרנספורמרים בסגנון ראייה, אוטואינקודרים ואריאציונליים, רשתות מושכלות‑פיזיקה וכמה אלגוריתמי מטה‑אדיחציונל כמו חיפוש חלקיקים וגנתי. הם גם בודקים ארבעה צינורות עיבוד מקדימים מובלים על‑ידי דגמי שפה שונים, והראו שניקיון טוב יותר ויצירת תכונות משופרת משפרים במידה ניכרת את הדיוק בהמשך. בכל הבדיקות הללו, השילוב של אופטימיזציית iHow עם הרשת הגרפית המרחב‑זמנית מספק את השגיאות הנמוכות ביותר וחפיפה הגבוהה ביותר לחוזקים שנמדדו. בדיקות סטטיסטיות, כולל ניתוח שונות ובדיקות דרוג לא פרמטריות, מאשרות ששיפורים אלה סביר שלא נובעים מהסתברות בלבד.

מה משמעות הדבר לתחום הבנייה בעתיד

בניסוח פשוט, המחקר מראה שמודל AI מבוסס‑גרף, מכוונן בקפידה ומוזן בנתונים מטופלים היטב, יכול לחזות את חוזק הבטון באופן אמין הרבה יותר מגישות קודמות. הוא לוכד כיצד רכיבים וזמן התקשות משפיעים זה על זה, ומשתמש במאיץ "למידה ללמוד" כדי לכוונן את עצמו. בעוד המחברים מדגישים שהשיטה עדיין צריכה להיבדק על מאגרי נתונים מגוונים ורחבים יותר מהעולם האמיתי לפני שהיא תשולב בתקני בנייה או במערכות בקרה במפעלי יצור, היא כבר מצביעה על עתיד שבו מהנדסים יוכלו לחקור תערובות ירוקות יותר על המחשב, בביטחון שהחוזקים החזויים יקרו בקירוב למה שיופיע אחר‑כך במעבדה או באתר.

ציטוט: Zaman, S., Eid, M.M., Mattar, E.A. et al. Predicting concrete compressive strength using optimized deep learning and large language models. Sci Rep 16, 11076 (2026). https://doi.org/10.1038/s41598-026-41072-7

מילות מפתח: חיזוי חוזק בטון, למידת עומק בבנייה, רשתות עצביות גרפיות, אלגוריתמי אופטימיזציה, חומרי בטון ברי‑קיימא