Analiza właściwości mechanicznych betonu geopolimerowego na bazie popiołu z bagasy trzciny cukrowej z użyciem uczenia maszynowego

Przekształcanie odpadów rolniczych w mocniejszy, czystszy beton

Beton jest podstawą współczesnych miast, jednak produkcja zwykłego cementu wiąże się z emisją ogromnych ilości dwutlenku węgla. W tym badaniu analizuje się sposób ograniczenia tego zanieczyszczenia przez wykorzystanie odpadu rolniczego — popiołu powstałego przy przetwarzaniu trzciny cukrowej — jako kluczowego składnika nowego rodzaju betonu. Pokazano również, jak nowoczesne narzędzia danych, w tym uczenie maszynowe, mogą pomóc inżynierom szybko przewidywać wytrzymałość tego bardziej ekologicznego betonu.

Dlaczego nowy rodzaj betonu ma znaczenie

Tradycyjny beton opiera się na cemencie portlandzkim, którego wytwarzanie jest energochłonne i odpowiada za znaczną część globalnych emisji CO₂. W ostatnich latach jako obiecująca alternatywa pojawił się beton „geopolimerowy”. Zamiast cementu używa on odpadów przemysłowych bogatych w krzemionkę i glinę — takich jak popiół lotny z elektrowni — aktywowanych roztworami alkalicznymi. Ta chemia tworzy twarde, kamiennopodobne spoiwo, przy jednoczesnym potencjalnym ograniczeniu emisji o 22–72%, bez utraty wytrzymałości czy trwałości. Nowością w tej pracy jest zastąpienie części popiołu lotnego popiołem z bagasy trzciny cukrowej — odpadem produkowanym w ogromnych ilościach w cukrowniach, często składowanym na wysypiskach lub uwalnianym jako drobny, zanieczyszczający pył.

Z pól trzciny cukrowej do bloczków budowlanych

Indie, jeden z największych producentów trzciny cukrowej na świecie, generują corocznie miliony ton popiołu z bagasy. Chemicznie popiół ten jest bogaty w reaktywną krzemionkę i inne tlenki, co oznacza, że przy właściwym zastosowaniu może zachowywać się podobnie do tradycyjnych dodatków do cementu. Badacze pobrali popiół lotny i popiół z bagasy z lokalnych źródeł, zmieszali je w różnych proporcjach oraz połączyli ze standardowym piaskiem i kruszywem. Dodawali następnie roztwór wodorotlenku sodu o różnym stężeniu, aby zainicjować reakcję geopolimerową, odlewali próbki i poddawali je dojrzewaniu. Głównym celem było ustalenie, w jakim stopniu można zastąpić popiół lotny popiołem z bagasy, zachowując wysoką wytrzymałość na ściskanie, zginanie i rozciąganie — trzy kluczowe miary zachowania betonu pod różnymi obciążeniami.

Odnalezienie optymalnej receptury dla wytrzymałości

Zespół testował mieszanki, w których popiół z bagasy zastępował 0–50% popiołu lotnego, oraz zmieniał stężenie roztworu alkalicznego. Stwierdzono, że zarówno udział bagasy, jak i stężenie wodorotlenku sodu silnie wpływają na wydajność. Szczególnie udana receptura zawierała 30% popiołu z bagasy i średnio-wysokie stężenie aktywatora. Po 28 dniach ta mieszanka osiągnęła wytrzymałość na ściskanie około 47 megapaskali, co plasuje ją w zakresie wymaganym dla zastosowań konstrukcyjnych i jest wyższą wartością niż w próbce kontrolnej bez bagasy. Podobne poprawy zaobserwowano w testach zginania i rozdzielania, choć przy najwyższych zawartościach popiołu wytrzymałości ustabilizowały się lub nieznacznie spadły. Wyniki wskazują na istnienie optymalnej równowagi: wystarczająco dużo popiołu z bagasy, aby wzmocnić wewnętrzną strukturę wiążącą, ale nie tyle, żeby wzrosła porowatość i nie doszło do niedokończonych reakcji osłabiających materiał.

Pozwolenie algorytmom uczyć się od betonu

Pomiary wytrzymałości betonu w laboratorium są czasochłonne i kosztowne, zwłaszcza gdy jednocześnie zmienia się wiele zmiennych — takich jak rodzaj popiołu, poziom zastąpienia i stężenie chemiczne. Aby przyspieszyć ten proces, badacze wytrenowali trzy typy modeli uczenia maszynowego do przewidywania wytrzymałości na podstawie składu mieszanki: sieć neuronową, las losowy oraz model XGBoost. Chociaż sieć neuronowa dobrze dopasowała się do danych treningowych, miała problemy z danymi nowymi — klasyczny objaw przeuczenia. XGBoost, potężna metoda boostingu, niemal idealnie dopasowała się do zbioru treningowego, ale również traciła dokładność na danych testowych. Model lasu losowego osiągnął najlepszy kompromis, utrzymując wysoką zdolność predykcyjną na nieznanych danych dla wszystkich trzech miar wytrzymałości, co czyni go najbardziej niezawodnym wyborem do praktycznych prognoz.

Co to oznacza dla bardziej ekologicznego budownictwa

Praca pokazuje, że popiół z bagasy trzciny cukrowej, wcześniej traktowany jako problem utylizacyjny, może być cennym składnikiem wysokowydajnego betonu geopolimerowego. Przy właściwych proporcjach mieszanki i poziomie aktywatora nie tylko ogranicza się składowanie odpadów i emisje CO₂, lecz także otrzymuje beton tak wytrzymały — albo nawet wytrzymalszy — niż konwencjonalne mieszanki. Połączenie tych bardziej ekologicznych receptur z solidnymi modelami uczenia maszynowego pozwala inżynierom szybko oszacować wytrzymałość na podstawie samego składu mieszanki, co może skrócić cykle rozwojowe i obniżyć koszty badań. Dla przeciętnego czytelnika wniosek jest prosty: odpady rolnicze i inteligentne algorytmy mogą wspólnie budować czyściejsze, mocniejsze konstrukcje dla przyszłych miast.

Cytowanie: 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

Słowa kluczowe: beton geopolimerowy, popiół z bagasy trzciny cukrowej, zrównoważone budownictwo, uczenie maszynowe, popiół lotny