Clear Sky Science · pt

Modelagem e otimização de concreto ternário sustentável incorporando casca de arroz em cinza e microsílica extraída

· Voltar ao índice

Transformando resíduo agrícola em concreto mais forte e mais verde

O concreto mantém nossos edifícios, pontes e estradas em pé, mas a produção do cimento nele contido libera enormes quantidades de dióxido de carbono. Este estudo explora como um resíduo agrícola — cascas de arroz — pode ser transformado em ingredientes de alto desempenho para o concreto, reduzindo emissões e, ao mesmo tempo, melhorando resistência e durabilidade. Para quem se interessa por construção com menor impacto climático ou por como materiais cotidianos podem ser reinventados, oferece uma visão de como química inteligente e inteligência artificial podem remodelar um dos materiais mais usados do mundo.

Por que a pegada de carbono do cimento importa

A produção de cimento é responsável por aproximadamente 7% das emissões globais de CO₂ de origem humana, de modo que até mudanças modestas nas receitas do concreto podem ter um impacto climático desproporcional. Uma estratégia promissora é substituir parte do cimento por materiais “suplementares” provenientes de fluxos de resíduos, em vez de fornos de alta energia. A cinza de casca de arroz, produzida pela queima das cascas, é rica em sílica, um ingrediente-chave na química do cimento. Quando essa cinza é refinada até se tornar um pó ultrafino, aqui chamado de microsílica extraída, ela pode reagir intensamente com a pasta de cimento e preencher poros minúsculos, potencialmente tornando o concreto mais resistente e menos permeável, além de reduzir a quantidade de cimento necessária.

Projetando uma mistura ternária

Os pesquisadores criaram um concreto “ternário” — cujo aglomerante é uma mistura de cimento Portland comum, cinza de casca de arroz e microsílica extraída. Eles prepararam 13 concretos diferentes, variando as quantidades de cinza de casca de arroz (de 5% a 40% do cimento em massa) e de microsílica (5%, 10% ou 15%). Todos os outros ingredientes e a trabalhabilidade foram mantidos constantes para que quaisquer alterações no desempenho pudessem ser atribuídas a esses dois materiais. A equipe então curou as amostras de concreto por 14, 28 e 56 dias e mediu a carga de compressão que podiam suportar, um indicador-chave do desempenho estrutural. Selecionaram também várias traços para testes de penetração de água, para avaliar quão facilmente fluidos podem atravessar o concreto endurecido — um fator crucial para a durabilidade a longo prazo em ambientes agressivos.

Figure 1
Figure 1.

O que acontece dentro do concreto

Para entender por que algumas misturas tiveram desempenho melhor do que outras, a equipe examinou a pasta endurecida em um microscópio eletrônico de varredura. Nas melhores combinações, doses moderadas de microsílica (em torno de 5–10%) combinadas com cinza de casca de arroz (aproximadamente 15–25%) produziram uma rede interna densa e muito compacta, com menos poros e fissuras. Isso ocorre porque a microsílica ultrafina atua cedo, fornecendo superfícies adicionais onde o cimento pode hidratar e formando um gel compacto, enquanto a cinza de casca de arroz continua reagindo ao longo do tempo, preenchendo ainda mais os vazios. Em contraste, quando os níveis de substituição foram levados ao extremo — especialmente com 15% de microsílica combinados com 35–40% de cinza de casca de arroz — as imagens revelaram aglomerados de partículas finas, grãos de cimento não reagidos e vazios interconectados. Esse excesso de sílica reativa na verdade retardou as reações normais do cimento e deixou uma estrutura mais fraca e porosa.

Como a modelagem inteligente encontra o ponto ideal

Em vez de confiar apenas em tentativa e erro, o estudo usou duas ferramentas avançadas de modelagem para identificar as melhores receitas. A Metodologia da Superfície de Resposta, uma técnica estatística, construiu equações que ligam as quantidades de microsílica e cinza de casca de arroz à resistência medida em diferentes idades. Uma Rede Neural Artificial, inspirada em como neurônios biológicos aprendem padrões, também foi treinada com os dados de ensaio. Ambos os modelos puderam prever a resistência à compressão com alta precisão, mas a rede neural teve desempenho ligeiramente superior, captando efeitos não lineares sutis. Usando essas ferramentas, os pesquisadores descobriram que traços com cerca de 10–15% de microsílica e 15–25% de cinza de casca de arroz podiam superar a resistência do concreto convencional, com uma mistura alcançando aproximadamente 18% a mais de resistência aos 56 dias em relação ao controle. Os testes de permeabilidade à água corroboraram esses achados: as misturas otimizadas permitiram muito menos penetração de água do que o concreto padrão, um forte indicativo de durabilidade melhorada.

Figure 2
Figure 2.

O que isso significa para construções futuras

Para um público não especializado, a mensagem principal é direta: ao equilibrar cuidadosamente quanto de cinza derivada do arroz e de sílica ultrafina são adicionados, é possível produzir um concreto que é ao mesmo tempo mais verde e com desempenho superior às misturas tradicionais. Níveis baixos a moderados de substituição reduzem o uso de cimento, incorporam resíduos agrícolas em estruturas duradouras e geram um material mais denso e resistente à água. No entanto, mais nem sempre é melhor — levar as substituições longe demais pode enfraquecer o concreto. Os autores sugerem que suas misturas otimizadas, guiadas tanto por testes de laboratório quanto por inteligência artificial, oferecem um caminho prático para edifícios e infraestrutura mais sustentáveis, e pedem trabalhos futuros para acompanhar a durabilidade a longo prazo e os impactos ambientais completos em projetos reais.

Citação: Ullah, M.F., Tang, H., Ullah, A. et al. Modeling and optimization of sustainable ternary concrete incorporating rice husk ash and extracted micro silica. Sci Rep 16, 5063 (2026). https://doi.org/10.1038/s41598-026-35983-8

Palavras-chave: concreto sustentável, cinza de casca de arroz, microsílica, substituição de cimento, modelos de aprendizado de máquina