Predição da resistência à compressão do concreto com agregado reciclado carbonatado usando modelos de aprendizado de máquina baseados em regressão

Transformando concreto antigo em aliado climático

Cidades demoliriam anualmente enormes quantidades de concreto, enviando pedaços quebrados para aterros e exigindo pedra nova das pedreiras. Este estudo explora uma forma de fechar esse ciclo: aproveitar concreto de demolição triturado para sequestrar dióxido de carbono e, em seguida, prever quão resistente será o novo concreto mais verde usando ferramentas modernas de aprendizado de máquina. Para quem se interessa por cidades com baixo impacto climático e uso mais inteligente de dados, este trabalho mostra como a inteligência artificial pode ajudar engenheiros a projetar edifícios mais seguros e sustentáveis a partir dos escombros de ontem.

Por que reutilizar concreto importa

O concreto está em toda parte — estradas, pontes, arranha-céus — e sua produção consome grandes quantidades de rocha natural e energia, emitindo volumes consideráveis de CO₂. Agregados de concreto reciclado, produzidos pela britagem do concreto antigo, podem aliviar essa carga ao reduzir a extração em pedreiras e o descarte em aterros. Mas há um porém: esses agregados reciclados geralmente carregam resíduos de pasta de cimento na superfície, o que os torna mais porosos e mais fracos do que a pedra natural. Isso muitas vezes significa que o concreto novo feito com agregados reciclados não é tão resistente ou durável — uma preocupação séria para a segurança estrutural.

Fortalecendo o concreto reciclado com CO₂

Para enfrentar esse problema, pesquisadores recorreram à carbonatação, um processo no qual o CO₂ é deliberadamente introduzido para reagir com compostos da pasta de cimento antiga. No interior das partículas recicladas, o gás forma minerais sólidos que preenchem poros, fecham microfissuras e fortalecem as zonas de contato que unem o concreto novo. Isso não só melhora a qualidade do material — aumentando a densidade e reduzindo a absorção de água — como também armazena CO₂ dentro do concreto, transformando o resíduo em um pequeno sumidouro de carbono. O estudo concentrou-se em concreto feito com esses agregados reciclados carbonatados e buscou responder a uma pergunta central: podemos prever com precisão quão resistente será esse concreto mais verde sem realizar testes laboratoriais infinitos?

Ensinando computadores a prever resistência

Os autores reuniram 108 amostras de concreto cuidadosamente medidas a partir de experimentos anteriores. Para cada amostra, registraram como a mistura foi preparada (como a relação água/cimento e quanto agregado fino e grosso foi usado), a qualidade dos agregados (sua absorção de água e resistência à compressão), quão resistente fora o concreto “parental” original, quanto CO₂ os agregados reciclados absorveram e qual fração da pedra natural foi substituída por material reciclado. Em seguida, treinaram vários modelos de aprendizado de máquina do tipo regressão — variando de fórmulas lineares simples até árvores de decisão e ensembles mais flexíveis — para aprender a ligação entre essas entradas e a resistência à compressão resultante.

Desembaralhando misturas complexas com modelos inteligentes

Muitos dos ingredientes medidos estavam fortemente inter-relacionados, o que pode confundir métodos estatísticos tradicionais. Para simplificar, a equipe combinou grupos de variáveis relacionadas em dois índices compostos: um descrevendo como a mistura foi proporcionalmente formulada no geral e outro resumindo o desempenho dos agregados. Em seguida, compararam modelos treinados com os dados completos e detalhados com modelos treinados nesses índices compactos. Abordagens lineares simples tiveram desempenho razoável, mas encontraram dificuldades com as relações curvas e entrelaçadas nos dados. Em contraste, métodos ensemble baseados em árvores — árvores de decisão, florestas aleatórias e LightGBM — capturaram esses padrões com notável precisão, mantendo erros típicos de previsão em pouco mais de 1 megapascal de resistência e explicando mais de 99% da variação observada nos ensaios.

O que mais importa para um concreto verde e resistente

Para abrir a “caixa-preta” dos modelos de melhor desempenho, os pesquisadores usaram SHAP, uma técnica que mostra quanto cada entrada tende a elevar ou reduzir as previsões. Eles descobriram que a proporção da mistura — especialmente o equilíbrio entre cimento, agregados e água — é o fator dominante no controle da resistência. O grau de carbonatação nos agregados reciclados também desempenha um papel importante, mas não linear: mais tratamento com CO₂ geralmente ajuda, mas seu efeito depende da qualidade do concreto parental original. O indicador combinado de desempenho dos agregados tem influência moderada, enquanto aumentar simplesmente a porcentagem de agregados reciclados importa menos do que acertar o projeto da mistura e o tratamento.

Dos dados de laboratório ao projeto prático

Em termos práticos, este estudo mostra que o concreto com agregado reciclado carbonatado pode ser simultaneamente consciente do clima e resistente — desde que sua receita seja cuidadosamente ajustada. O aprendizado de máquina moderno, especialmente modelos ensemble baseados em árvores, pode prever com precisão a resistência a partir de um conjunto manejável de parâmetros de mistura e material, reduzindo a necessidade de testes demorados para cada nova combinação. Para engenheiros e planejadores, isso significa que é cada vez mais realista projetar estruturas que reutilizem concreto antigo, armazenem CO₂ e ainda atendam a exigentes normas de segurança, com ferramentas orientadas por dados guiando o processo.

Citação: Gebremariam, H.G., Taye, S. & Tarekegn, A.G. Compressive strength prediction of carbonated recycled aggregate concrete using regression based machine learning models. Sci Rep 16, 5825 (2026). https://doi.org/10.1038/s41598-026-36197-8

Palavras-chave: concreto reciclado, carbonatação, aprendizado de máquina, resistência à compressão, construção sustentável