Análise das propriedades mecânicas do concreto geopolimérico à base de cinza de bagaço de cana-de-açúcar usando aprendizado de máquina

Transformando resíduos agrícolas em concreto mais forte e mais limpo

O concreto é a espinha dorsal das cidades modernas, mas a produção de cimento comum libera enormes quantidades de dióxido de carbono. Este estudo explora uma forma de reduzir essa poluição ao transformar um resíduo agrícola — a cinza gerada no processamento da cana-de-açúcar — em um ingrediente-chave de um novo tipo de concreto. Mostra também como ferramentas modernas de dados, incluindo aprendizado de máquina, podem ajudar engenheiros a prever rapidamente a resistência desse concreto mais ecológico.

Por que um novo tipo de concreto importa

O concreto tradicional depende do cimento Portland, cuja fabricação consome muita energia e responde por uma fatia significativa das emissões globais de CO₂. Nos últimos anos, o concreto “geopolimérico” surgiu como uma alternativa promissora. Em vez de depender do cimento, ele utiliza subprodutos industriais ricos em sílica e alumina — como a cinza volante de usinas termoelétricas — ativados por soluções alcalinas. Essa química produz um aglutinante duro, semelhante a pedra, ao mesmo tempo em que pode reduzir as emissões em 22–72%, sem sacrificar resistência ou durabilidade. A inovação neste trabalho é substituir parte da cinza volante por cinza de bagaço de cana, um resíduo produzido em grande quantidade nas usinas e muitas vezes descartado em aterros ou liberado como poeira fina e poluente.

Dos canaviais aos blocos de construção

A Índia, um dos maiores produtores mundiais de cana-de-açúcar, gera milhões de toneladas de cinza de bagaço de cana a cada ano. Quimicamente, essa cinza é rica em sílica reativa e outros óxidos, o que significa que pode se comportar de maneira semelhante aos aditivos tradicionais do cimento se usada corretamente. Os pesquisadores coletaram cinza volante e cinza de bagaço de cana em fontes locais, misturaram-nas em diferentes proporções e combinaram com areia e brita padrão. Em seguida, adicionaram solução de hidróxido de sódio em várias concentrações para desencadear a reação geopolimérica, moldaram corpos de prova e os curaram. O objetivo principal foi verificar quanto da cinza volante poderia ser substituído pela cinza de bagaço sem perder resistência compressiva, à flexão e à tração — as três medidas-chave de desempenho do concreto sob diferentes tipos de esforço.

Encontrando o ponto ideal para a resistência

A equipe testou misturas em que a cinza de bagaço substituiu entre 0% e 50% da cinza volante e variou a força da solução alcalina. Constatou-se que tanto a quantidade de cinza de bagaço quanto a concentração de hidróxido de sódio influenciavam fortemente o desempenho. Uma receita particularmente bem-sucedida usou 30% de cinza de bagaço e uma concentração de ativador médio-alta. Após 28 dias, essa mistura atingiu uma resistência à compressão de cerca de 47 megapascals, firmemente dentro da faixa necessária para aplicações estruturais e superior à mistura de controle sem cinza de bagaço. Tendências semelhantes de aumento apareceram nos ensaios de flexão e de cisalhamento por compressão, embora as resistências se estabilizassem ou caíssem ligeiramente nas maiores teores de cinza. Os resultados sugerem que existe um equilíbrio ótimo: quantidade suficiente de cinza de bagaço para melhorar a estrutura de ligação interna, mas não tão alta que a porosidade e a reação incompleta comecem a enfraquecer o material.

Deixando algoritmos aprenderem com o concreto

Medir a resistência do concreto em laboratório é demorado e caro, especialmente quando muitas variáveis — como tipo de cinza, nível de substituição e concentração química — mudam simultaneamente. Para acelerar esse processo, os pesquisadores treinaram três tipos de modelos de aprendizado de máquina para prever a resistência a partir da composição da mistura: uma rede neural artificial, uma floresta aleatória (random forest) e um modelo XGBoost. Enquanto a rede neural ajustou bem os dados de treinamento, ela teve desempenho pior com dados novos, sinal clássico de overfitting. O XGBoost, um método potente de boosting, foi quase perfeito no conjunto de treinamento, mas também perdeu precisão em casos de teste. O modelo de floresta aleatória alcançou o melhor equilíbrio, mantendo alto poder preditivo em dados não vistos para as três medidas de resistência, tornando-se a escolha mais confiável para previsão prática.

O que isso significa para uma construção mais verde

Este trabalho mostra que a cinza de bagaço de cana, antes tratada como problema de descarte, pode servir como ingrediente valioso em concreto geopolimérico de alto desempenho. Na proporção adequada e com o nível correto de ativador, ela não apenas desvia resíduos de aterros e reduz emissões de carbono, mas também produz um concreto tão resistente — ou mais — do que as misturas convencionais. Combinar essas receitas mais verdes com modelos robustos de aprendizado de máquina permite que engenheiros estimem a resistência rapidamente a partir da própria composição da mistura, potencialmente encurtando ciclos de desenvolvimento e reduzindo custos de ensaio. Para o público geral, a conclusão é simples: resíduos agrícolas e algoritmos inteligentes podem trabalhar juntos para construir estruturas mais limpas e mais resistentes para as cidades do futuro.

Citação: 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

Palavras-chave: concreto geopolimérico, cinza de bagaço de cana-de-açúcar, construção sustentável, aprendizado de máquina, cinza volante