Prognozowanie wytrzymałości na ściskanie i zginanie z użyciem uczenia maszynowego dla zrównoważonych kompozytów gipsowych wzmocnionych słomą pszeniczną

Przekształcanie odpadów rolnych w materiał budowlany

Co roku rolnicy na całym świecie spalają ogromne ilości pozostałej słomy, podczas gdy miasta wylewają olbrzymie ilości betonu, emitując duże ilości dwutlenku węgla. Badanie to analizuje sposób rozwiązania obu problemów jednocześnie: wykorzystanie słomy pszenicznej, odpadu rolniczego, do wzmacniania materiałów budowlanych na bazie gipsu oraz użycie zaawansowanych narzędzi komputerowych do przewidywania, jak wytrzymałe mogą być te bardziej ekologiczne materiały.

Dlaczego warto patrzeć poza zwykły beton

Beton jest jednym z najbardziej powszechnych materiałów na Ziemi, ale produkcja jego kluczowego składnika, cementu, generuje ogromne emisje dwutlenku węgla. W przeciwieństwie do tego, produkcja gipsu, innego spoiwa mineralnego, powoduje znacznie mniejsze emisje. Gips już występuje w znanych produktach, takich jak płyty kartonowo‑gipsowe i ściany działowe, i oferuje dobrą odporność ogniową, izolację akustyczną oraz niewielką masę. Jednak sam gips jest kruchy i zbyt słaby do wielu zastosowań konstrukcyjnych, co ogranicza jego możliwości zastąpienia betonu lub cegieł.

Nadanie słomie drugiego życia

Współczesne rolnictwo generuje ogromne ilości odpadów, a słoma pszeniczna jest tego klasycznym przykładem. W krajach takich jak Pakistan wiele tej słomy jest spalane na polach, pogarszając smog i szkodząc zdrowiu publicznemu. Zamiast traktować słomę jako problem do utylizacji, autorzy widzą w niej tani, odnawialny składnik budowlany. Gdy niewielkie ilości włókien słomy dodaje się do gipsu, mogą one sprawić, że materiał nieco bardziej się zginie przed pęknięciem i lepiej wykorzysta zasób, który w przeciwnym razie byłby zmarnowany. Ostateczna wytrzymałość zależy jednak od wielu składników naraz, w tym jakości gipsu, wody, zawartości słomy i dodatków chemicznych, które oddziałują ze sobą w złożony sposób.

Pozwolić maszynom uczyć się na eksperymentach

Przeprowadzenie testów fizycznych dla każdego możliwego przepisu mieszanek słoma–gips byłoby powolne i kosztowne. Aby to rozwiązać, badacze zgromadzili dane z 161 wcześniej badanych mieszanek opisanych w literaturze. Dla każdego przepisu zapisali szczegóły, takie jak wytrzymałość i ilość gipsu, zawartość wody i stosunek wody do gipsu, ile dodano słomy oraz czy obecne były dwa powszechne dodatki. Zanotowali też dwa kluczowe wyniki: jak dobrze próbki wytrzymują ściskanie (wytrzymałość na ściskanie) i zginanie (wytrzymałość na zginanie). Wykorzystując te dane, wytrenowali pięć różnych modeli uczenia maszynowego, aby komputery mogły nauczyć się, jak wejścia wiążą się z tymi wytrzymałościami bez uprzedniego podawania stałej formuły.

Znajdowanie najbardziej niezawodnego cyfrowego prognostyka

Zespół porównał sieci neuronowe, regresję procesu Gaussa, lasy losowe, extreme gradient boosting i maszyny wektorów nośnych. Każdy model sprawdzono za pomocą starannej metody testowania zwanej walidacją krzyżową, która wielokrotnie trenuje na części danych i testuje na pozostałej części, aby uniknąć błędnych wniosków. Wśród wszystkich podejść wyróżniła się regresja procesu Gaussa: przewidywała zarówno wytrzymałość na ściskanie, jak i na zginanie dokładniej i bardziej konsekwentnie niż pozostałe metody. Dodatkową zaletą tej metody jest to, że nie daje tylko pojedynczego oszacowania; dostarcza również zakres niepewności pokazujący, jak pewne jest przewidywanie, co jest przydatne, gdy inżynierowie muszą podejmować decyzje związane z bezpieczeństwem.

Co ma największe znaczenie w mieszance

Aby modele nie zachowywały się jak tajemnicze czarne skrzynki, autorzy sprawdzili, które składniki miały największy wpływ na przewidywania. Wśród lepiej działających modeli zasadniczą rolę zarówno dla wytrzymałości na ściskanie, jak i na zginanie odegrała wrodzona wytrzymałość samego gipsu. Całkowita ilość gipsu i ilość użytej wody również miały duże znaczenie, ponieważ wpływają na to, jak gęsty lub porowaty stanie się końcowy materiał. Słoma pszeniczna i dodatki chemiczne miały efekty drugorzędne: w pewnych zakresach pomagały dostosować właściwości, ale zbyt duża ilość wody, słomy lub dodatku zwykle obniżała wytrzymałość poprzez tworzenie dodatkowych porów lub zaburzanie wiązania wewnątrz stwardniałej mieszanki.

Od inteligentnych prognoz do bardziej zielonych budynków

Mówiąc w prostych słowach, badanie pokazuje, że komputery mogą nauczyć się dokładnie przewidywać, jak wytrzymałe będą gipsy wzmacniane słomą, na podstawie ich receptury, bez konieczności odlewania i miażdżenia każdej nowej próbki w laboratorium. Najlepszy model, regresja procesu Gaussa, nie tylko daje wiarygodne oszacowania wytrzymałości, lecz także pokazuje pewność tych oszacowań. To połączenie zrównoważonych składników i inteligentnych narzędzi prognostycznych może prowadzić projektantów w kierunku produktów gipsowo‑słomianych, które są wystarczająco wytrzymałe do zamierzonych zastosowań, jednocześnie ograniczając użycie cementu i spalanie pozostałości rolnych. W ten sposób wskazuje na metody budownictwa bardziej przyjazne dla klimatu i lepiej wykorzystujące dostępne materiały.

Cytowanie: Ahmad, H., Ejaz, M.F., Riaz, M.R. et al. Machine learning-based prediction of compressive and flexural strength of wheat straw reinforced sustainable gypsum composites. Sci Rep 16, 15087 (2026). https://doi.org/10.1038/s41598-026-45024-z

Słowa kluczowe: kompozyty gipsowe, słoma pszeniczna, uczenie maszynowe, wytrzymałość na ściskanie, zrównoważone budownictwo