Интеграция машинного обучения и микроструктурной характеристики для прогнозирования прочности с использованием микрокремнезема и искусственного песка для устойчивого бетона

Более прочный и экологичный бетон для городов будущего

Бетон — основа современных зданий, мостов и дорог, но его производство несет значительную нагрузку на окружающую среду, особенно из‑за производства цемента и добычи речного песка. В этом исследовании рассматривают способы сделать бетон одновременно прочнее и экологичнее, вводя в состав промышленные побочные продукты и используя передовые компьютерные модели для прогнозирования характеристик. В результате получена смесь, которая не только сокращает потребление традиционных материалов, но и обеспечивает более прочный и долговечный бетон для будущих сооружений.

Переосмысление компонентов бетона

Вместо опоры исключительно на обычный цемент и природный речной песок исследователи разработали шесть различных рецептур бетона. В каждой использовалось 10% золы-уноса (тонкий порошок с электростанций), переменные количества микрокремнезема (очень мелкий побочный продукт производства кремния) и полный переход от речного песка к искусственному — дробленому горному материалу, обработанному так, чтобы имитировать природный песок. Эти ингредиенты сочетали в строго контролируемых пропорциях и формовали в кубы, цилиндры и балки. Команда проверяла, насколько каждая смесь противостоит сжатию, растяжению и изгибу через 7, 28 и 90 дней выдержки, имитируя прирост прочности бетона во времени на стройплощадке.

Поиск оптимума прочности

Все модифицированные смеси показали результаты не хуже эталонной, а некоторые значительно превосходили её. Выделяющаяся рецептура содержала 10% золы-уноса, 12% микрокремнезема и 100% искусственного песка. По сравнению с контрольной смесью такая комбинация обеспечивала прирост прочности на сжатие примерно на 17% на 28-й день и на 20% на 90-й день, с сопоставимыми улучшениями в прочности на растяжение и изгиб. Неразрушающие ультразвуковые испытания показали, что этот бетон был не только прочнее, но и обладал отличным внутренним качеством: звуковые волны распространялись быстрее через его более плотную структуру. Однако исследователи также установили, что при добавлении слишком большого количества микрокремнезема (18–24%) выгоды начинают снижаться, что указывает на существование оптимального интервала, а не правила «чем больше — тем лучше».

Заглядывая внутрь бетона на микромасштабе

Чтобы понять, почему лучшая смесь демонстрировала такие свойства, команда изучала затвердевший бетон с помощью электронных микроскопов и термического анализа. Изображения внутренней микроструктуры показали, что зола-уноса и микрокремнезем способствуют образованию плотной, клееобразной сети, которая связывает песок и камни более прочно, с меньшим количеством пор и трещин. Химические сканирования подтвердили, что соотношение кальция и кремния смещается в сторону композиции, известной образованием особенно стабильных связывающих гелей. Термальные испытания, в которых небольшие образцы нагревали медленнее, показали, как освобождаются вода и другие компоненты, связывая изменения массы с разложением ключевых внутренних фаз. В совокупности эти методы показали, что оптимальная смесь формирует компактный, хорошо связанный внутренний скелет, устойчивый к повреждениям и замедляющий проникновение воды и других агентов, обычно ослабляющих бетон со временем.

Давать машинам учиться лучшему рецепту

Поскольку лабораторные испытания многих смесей занимают много времени и требуют затрат, исследователи также использовали машинное обучение для прогнозирования прочности по составу смеси и времени выдержки. Имея всего 54 точно измеренных точки данных из экспериментов, они обучили несколько типов алгоритмов предсказывать, насколько прочной будет та или иная рецептура. Лучший подход — метод градиентного бустинга — с очень высокой точностью воспроизводил измеренную прочность, почти совпадая с результатами испытаний на 7, 28 и 90 дней. Другие ансамблевые модели также показали хорошие результаты, тогда как простая линейная модель испытывала трудности, что подчеркивает важность учета сложных нелинейных связей между материалами и прочностью. Анализ значимости признаков показал, что время выдержки является единственным самым важным фактором прочности, но присутствие микрокремнезема, золы-уноса и искусственного песка также вносит существенный вспомогательный вклад.

Что это означает для будущего строительства

Для неспециалистов ключевая мысль в том, что можно спроектировать бетон, который одновременно экологичнее и эффективнее, грамотно сочетая промышленные побочные продукты и инженерные пески, а затем используя компьютерные модели, чтобы направлять работу и сократить потребность в дорогостоящих методах проб и ошибок. Исследование предлагает практичный рецепт — использование 10% золы-уноса, 12% микрокремнезема и полной замены речного песка искусственным — который дает более прочный, плотный и долговечный бетон без увеличения содержания цемента. В сочетании с надежными инструментами машинного обучения этот подход может помочь строителям и инженерам быстрее переходить к устойчивому строительству, сохраняя или даже улучшая безопасность и срок службы наших построек.

Цитирование: Chaitanya, B.K., Sri Durga, C.S., Thatikonda, N. et al. Integration of machine learning and microstructural characterization for strength forecasting with silica fume and M-sand for sustainable concrete. Sci Rep 16, 8858 (2026). https://doi.org/10.1038/s41598-026-43410-1

Ключевые слова: устойчивый бетон, золет», микрокремнезем, искусственный песок, машинное обучение