他们可能无法喊出“尤里卡！”就像他们的人类同事一样，但 AI/ML 系统在化合物发现领域显示出巨大的潜力——无论是筛选大量数据以寻找新的治疗化合物，还是使用成分的风味特征想象新的食谱。现在，来自 Meta AI 的一个团队与伊利诺伊大学厄巴纳-香槟分校的研究人员合作，创造了一种人工智能，可以为越来越高强度、低碳的混凝土设计和改进配方。
我们每年生产数十亿吨混凝土的传统制造方法远非生态友好型。事实上，它们产生了全球每年二氧化碳排放总量的 8%。近年来， 在减少混凝土行业的碳足迹方面取得了进展（以及使材料更坚固、 更有弹性， 甚至能够为电动汽车充电），但总体而言，其生产仍然是现代建筑中碳密集度最高的。
减少进入混凝土的碳量就像改变进入混凝土的成分一样简单。该材料由四种基本成分制成：水泥、骨料、水和外加剂（充当掺杂剂）。水泥无疑是这四种成分中碳含量最高的成分，因此已经进行了研究，通过添加粉煤灰、矿渣或磨砂玻璃等低碳材料来减少水泥的用量。
同样，砾石、碎石、沙子等骨料可能会被再生混凝土取代。问题在于，有几十种潜在的成分材料可以使用，它们的数量比例都会相互作用，从而影响最终混凝土的结构轮廓。简而言之，研究人员可以测试、选择和改进一整套可能的组合。并以人类的速度依次处理这些无数的选项，这将需要很长时间。所以 Meta 的人训练了一个人工智能来做这件事，速度要快得多。
该团队与伊利诺伊大学厄巴纳-香槟分校电气和计算机工程系的 Lav Varshney 教授和土木工程系的 Nishant Garg 教授合作，首先使用混凝土抗压强度数据集对模型进行了训练。该集合包括 1,000 多个混凝土公式及其结构属性，包括 7 天和 28 天的抗压强度数据。该团队使用水泥可持续发展倡议的环境产品声明 (EPD) 工具确定了最终混凝土混合物的碳足迹。
在生成的潜在公式列表中，研究团队随后选择了五个最有希望的选项并反复改进它们，直到它们达到或超过 7 天和 28 天的强度指标，同时将碳需求降低至少 40%。精炼过程仅用了几周时间，最终生成了一个超出所有这些要求的混凝土配方，同时用飞灰和矿渣替代了多达 50% 的所需水泥。 Meta 随后与最近在伊利诺伊州建立 Meta 最新数据中心的混凝土公司 Ozinga 合作，进一步完善公式并进行实际测试。
展望未来，Meta 团队希望进一步改善配方的 3 天和 5 天强度曲线（基本上确保它干燥得更快，以便其余的施工可以更快地进行），并更好地了解它如何在不同的天气条件下固化像风或高湿度。