Сибирский федеральный университет

Обученная на широком наборе данных цифровая модель способна не только предложить оптимальный состав бетона, учитывая особенности местных материалов, таких как щебень, песок и другие компоненты, качество которых может значительно варьироваться в зависимости от региона их происхождения, но и разработать подход, позволяющий устранить проблемы с их низким качеством.

Бетон — это широко распространённый искусственный строительный материал, который получают в результате затвердевания специально подобранной смеси, в основе которой лежит вяжущее вещество, а также вода и различные добавки, которые позволяют варьировать состав и делать бетон более устойчивым к перепаду температур и механическому воздействию. Особые требования к бетону существуют в экстремальных условиях Российской Арктики, где от строительных материалов требуется максимальная морозостойкость.

«Наша работа посвящена исследованию оптимизации состава бетонной смеси для получения морозостойких бетонов, в частности, для строительства дорожных покрытий и взлётно-посадочных полос. Традиционный подход к разработке бетонных смесей предполагает, что состав подбирается „вручную“ — это затратно и требует значительного времени для оценки его стойкости в суровых условиях эксплуатации. Благодаря использованию специально обученного искусственного интеллекта можно существенно сократить процесс — сэкономить пару лет и материальные ресурсы», — рассказала соавтор исследования, заведующая испытательной лабораторией строительных материалов и химического анализа воды СФУ Ирина Енджиевская.

По словам учёного, подбор материалов для бетона — сложный процесс, особенно тщательно следует подходить к фактору морозостойкости, ведь если на большей части Российской Федерации в ходу бетон, рассчитанный на 200 циклов в хлористых солях (F 150–200), то в условиях Крайнего Севера материал должен выдерживать 300 циклов эксплуатации. Сложность же заключается в том, что учёным сложно определить опытным путём, что именно в составе бетонов отвечает за повышение этой характеристики.

«Машинное обучение удивляет всё чаще. Созданная доцентом СФУ Максимом Молокеевым программа показала факторы, связанные с химическими процессами в бетоне, которые с высокой долей вероятности определяют, насколько этот состав будет морозоустойчивым и применимым, скажем, в Норильске для строительства взлётно-посадочной полосы аэродрома. Оказалось, что основную роль в этом случае играет качество и количество щебня и воздухововлекающие добавки. Причём если ранее считалось, что „лишний“ воздух однозначно уменьшает прочность бетона, то оказалось, что в определённых пределах он повышает не только стойкость к отрицательным температурам, но и меняет саму механику разрушения бетона с сохранением прочности. Этот факт был определён машинным интеллектом, и мы склонны согласиться с этим замечанием, поскольку уже проверили его на практике», — отметила Ирина Енджиевская.

Морозостойкость — не единственное качество бетона, которым исследователи озадачили искусственный интеллект. Он также должен был потрудиться над тем, чтобы увеличить прочность материала на изгиб и при динамических воздействиях и выяснить, какова прогнозируемая стойкость к антигололёдным реагентам у бетонов, из которых изготавливают дорожное покрытие.

Одно из преимуществ «рецептов» бетонных составов от машинной модели — адаптация под местные материалы, поскольку щебень, песок и прочие составляющие могут существенно варьироваться по физико-химическим свойствам в разных регионах страны, особенно проблемно их качество на труднодоступных территориях. Искусственный помощник подскажет, в какой пропорции следует использовать эти компоненты и как нивелировать их недостатки, чтобы в итоге получился тот самый бетон с заданными свойствами.

Одной из ближайших задач, которые будут также решаться методами машинного обучения, является разработка оптимального состава бесцементного бетона. Такой материал будет выгодно отличаться своей экологичностью из-за уменьшения выбросов углекислого газа, кроме того, в нём будут использоваться активированные промышленные отходы — зола и нефелиновый шлам, образующийся при переработке редкоземельных руд. В случае успешной реализации новая технология бесцементного бетона позволит уменьшить площади уже существующих золоотвалов и сэкономить значительные средства, расходующиеся на их рекультивацию. Работы по созданию подобного материала уже ведутся специалистами СФУ совместно с партнёрами.

«Был разработан набор инструментов машинного обучения и их комбинаций, который представляет огромную практическую ценность для прогнозирования составов новых материалов. В процессе моделирования подбирается наилучшее сочетание, проводится анализ данных в выбранных областях и выводятся полезные рекомендации, включая „рецепты“ бетонов с требуемыми свойствами. Такая модель — ценный помощник для материаловедов, от неё вряд ли ускользнёт то, что порой теряется из-за ограничений человеческого опыта и времени. Её выводы, хотя и могут показаться неожиданными, имеют высочайшую ценность и должны быть проверены на практике. Модель может использоваться в том числе для поиска новых строительных бетонов, особенно в тяжёлых и экстремальных природных условиях Российской Арктики», — объяснил доцент Института инженерной физики и радиоэлектроники СФУ Максим Молокеев.