AI ouvre la voie vers le ciment vert
L'industrie du ciment produit environ 8% des émissions mondiales de co₂ – plus que l'ensemble du secteur de l'aviation dans le monde. Des chercheurs de l'Institut Paul Scherrer PSI ont développé un modèle basé sur l'IA qui aide à accélérer la découverte de nouvelles formulations de ciment qui pourraient donner la même qualité de matériau avec une meilleure empreinte carbone.
Les fours rotatifs dans les plantes de ciment sont chauffés à 1 400 ° C brûlants pour brûler le calcaire moulu vers le clinker, la matière première pour le ciment prêt à l'emploi. Sans surprise, de telles températures ne peuvent généralement pas être obtenues avec l'électricité seule. Ils sont le résultat de processus de combustion à forte intensité énergétique qui émettent de grandes quantités de dioxyde de carbone (CO₂).
Ce qui peut être surprenant, cependant, c'est que le processus de combustion représente moins de la moitié de ces émissions. La majorité est contenue dans les matières premières nécessaires pour produire du clinker et du ciment: le CO₂ qui est chimiquement lié dans le calcaire est libéré lors de sa transformation dans les fours à haute température.
Une stratégie prometteuse pour réduire les émissions consiste à modifier la recette de ciment elle-même – répéter une partie du clinker avec des matériaux cimentaires alternatifs. C'est exactement ce qu'une équipe interdisciplinaire du Laboratoire de gestion des déchets du PSI Center for Nuclear Engineering and Sciences a étudié. Au lieu de s'appuyer uniquement sur des expériences longues ou des simulations complexes, les chercheurs ont développé une approche de modélisation basée sur l'apprentissage automatique.
« Cela nous permet de simuler et d'optimiser les formulations de ciment afin qu'elles émettent beaucoup moins de co₂ tout en conservant le même niveau élevé de performance mécanique », explique le mathématicien Romana Boiger, premier auteur de l'étude. « Au lieu de tester des milliers de variations dans le laboratoire, nous pouvons utiliser notre modèle pour générer des suggestions de recettes pratiques en quelques secondes – c'est comme avoir un livre de cuisine numérique pour le ciment climatique. »
Avec leur nouvelle approche, les chercheurs ont pu filtrer sélectivement les formulations de ciment qui pourraient répondre aux critères souhaités. « La gamme de possibilités pour la composition matérielle – qui détermine finalement les propriétés finales – est extrêmement vaste », explique Nikolaos Prasianakis, chef du groupe de recherche sur les mécanismes de transport de PSI, qui était l'initiateur et co-auteur de l'étude.
« Notre méthode nous permet d'accélérer considérablement le cycle de développement en sélectionnant des candidats prometteurs pour une enquête expérimentale supplémentaire. » Les résultats de l'étude ont été publiés dans la revue Matériaux et structures.
Énorme appétit pour le ciment
Le ciment est ce qui maintient notre monde moderne ensemble. Cette poudre discrète, lorsqu'elle est mélangée avec du sable, du gravier et de l'eau, devient du béton – un matériau de construction qui peut être transporté presque partout et coulé dans presque toutes les formes imaginables. Le béton est multifonctionnel et durable, ce qui en fait une partie indispensable de notre infrastructure.
La quantité de ciment dont cela nécessite est presque impossible à comprendre. « Pour le dire franchement, l'humanité consomme aujourd'hui plus de ciment que la nourriture – un premier kilogramme et demi par personne et par jour », explique John Provis, chef du groupe de recherche sur les systèmes de ciment de PSI et co-auteur de l'étude. « Ce sont des quantités inimaginables. Si nous pouvions améliorer le profil des émissions de quelques pour cent, cela correspondrait à une réduction du dioxyde de carbone équivalent à des milliers, voire à des dizaines de milliers de voitures », explique le chimiste du ciment.
La bonne recette
Aujourd'hui, les sous-produits industriels tels que les laitiers de la production de fer et les cendres volants des centrales au charbon sont déjà utilisés pour remplacer partiellement les clinker dans les formulations de ciment et ainsi réduire les émissions de co₂. Cependant, la demande mondiale de ciment est si énorme que ces matériaux à eux seuls ne peuvent pas répondre à la nécessité. « Ce dont nous avons besoin, c'est de la bonne combinaison de matériaux qui sont disponibles en grande quantité et à partir de laquelle du ciment fiable de haute qualité peut être produit », explique Provis.
Trouver de telles combinaisons, cependant, est difficile: « Le ciment est essentiellement un agent de liaison minérale – en béton, nous utilisons du ciment, de l'eau et du gravier pour créer artificiellement des minéraux qui maintiennent l'ensemble du matériau », explique Provis. « On pourrait dire que nous faisons de la géologie en mouvement rapide. »
Cette géologie – ou plutôt, l'ensemble des processus physiques derrière lui – est extrêmement complexe, et le modéliser sur un ordinateur est en conséquence intensif en calcul et coûteux. C'est pourquoi l'équipe de recherche s'appuie sur l'intelligence artificielle.
AI comme accélérateur de calcul
Les réseaux de neurones artificiels sont des modèles informatiques formés, en utilisant les données existantes, pour accélérer les calculs complexes. Pendant l'entraînement, le réseau est nourri d'un ensemble de données connu et en apprend en ajustant la force relative ou la « pondération » de ses connexions internes afin qu'elle puisse prédire rapidement et de manière fiable des relations similaires. Cette pondération est une sorte de raccourci – une alternative plus rapide à la modélisation physique autrement intensive en calcul.
Les chercheurs de PSI ont également utilisé un tel réseau neuronal. Ils ont eux-mêmes généré les données nécessaires à la formation. « Avec l'aide des gemmes de logiciels de modélisation thermodynamique open source, développées à PSI, nous avons calculé – pour diverses formulations de ciment – que les minéraux se forment pendant le durcissement et quels processus géochimiques ont lieu », explique Prasianakis.
En combinant ces résultats avec des données expérimentales et des modèles mécaniques, les chercheurs ont pu dériver un indicateur fiable pour les propriétés mécaniques – et donc pour la qualité du matériau du ciment. Pour chaque composant utilisé, ils ont également appliqué un facteur CO₂ correspondant, une valeur d'émission spécifique qui a permis de déterminer les émissions de CO₂ totales. « C'était un exercice de modélisation très complexe et intensif en calcul », explique le scientifique.
Mais cela en valait la peine – avec les données générées de cette manière, le modèle d'IA a pu apprendre. « Au lieu de secondes ou de minutes, le réseau de neurones entraîné peut désormais calculer les propriétés mécaniques pour une recette de ciment arbitraire en millisecondes – c'est-à-dire environ mille fois plus rapide qu'avec la modélisation traditionnelle », explique Boiger.
De la sortie à l'entrée
Comment cette IA peut-elle maintenant être utilisée pour trouver des formulations de ciment optimales – avec les émissions de co₂ les plus faibles possibles et la qualité des matériaux élevés? Une possibilité serait d'essayer diverses formulations, d'utiliser le modèle d'IA pour calculer leurs propriétés, puis de sélectionner les meilleures variantes. Une approche plus efficace, cependant, consiste à inverser le processus. Au lieu d'essayer toutes les options, posez la question dans l'autre sens: quelle composition de ciment répond aux spécifications souhaitées concernant l'équilibre du CO₂ et la qualité des matériaux?
Les propriétés mécaniques et les émissions de CO₂ dépendent directement de la recette. « Vue mathématiquement, les deux variables sont des fonctions de la composition – si cela change, les propriétés respectives changent également », explique le mathématicien.
Pour déterminer une recette optimale, les chercheurs formulent le problème comme une tâche d'optimisation mathématique: ils recherchent une composition qui maximise simultanément les propriétés mécaniques et minimise les émissions de CO₂. « Fondamentalement, nous recherchons un maximum et un minimum – de cela, nous pouvons déduire directement la formulation souhaitée », explique le mathématicien.
Pour trouver la solution, l'équipe a intégré dans le flux de travail une technologie d'IA supplémentaire, les algorithmes dits génétiques – des méthodes assistées par ordinateur inspirées par la sélection naturelle. Cela leur a permis d'identifier sélectivement les formulations qui combinent idéalement les deux variables cibles.
L'avantage de cette « approche inverse »: vous n'avez plus à tester aveuglément d'innombrables recettes, puis à évaluer leurs propriétés résultantes; Au lieu de cela, vous pouvez rechercher spécifiquement ceux qui répondent aux critères souhaités spécifiques – dans ce cas, des propriétés mécaniques maximales avec un minimum d'émissions de CO₂.
Approche interdisciplinaire avec un grand potentiel
Parmi les formulations de ciment identifiées par les chercheurs, il existe déjà des candidats prometteurs. « Certaines de ces formulations ont un potentiel réel », explique Provis, « non seulement en termes de réduction et de qualité, mais aussi en termes de faisabilité pratique dans la production ».
Pour terminer le cycle de développement, cependant, les recettes doivent d'abord être testées en laboratoire. « Nous n'allons pas construire une tour avec eux tout de suite sans les tester en premier », dit Prasianakis avec un sourire.
L'étude sert principalement de preuve de concept, c'est-à-dire comme une preuve que des formulations prometteuses peuvent être identifiées uniquement par calcul mathématique. « Nous pouvons étendre notre outil de modélisation d'IA selon les besoins et intégrer des aspects supplémentaires, tels que la production ou la disponibilité des matières premières, ou où le matériau de construction doit être utilisé – par exemple dans un environnement marin, où le ciment et le béton se comportent différemment, ou même dans le désert », explique Boiger.
Prasianakis est déjà en train de se diriger vers l'avenir: « Ce n'est que le début. Les économies de temps offertes par un flux de travail aussi général sont énormes – ce qui en fait une approche très prometteuse pour toutes sortes de conceptions de matériaux et de systèmes. »
Sans le contexte interdisciplinaire des chercheurs, le projet n'aurait jamais conclu. « Nous avions besoin de chimistes de ciment, d'experts de la thermodynamique, de spécialistes de l'IA – et d'une équipe qui pourrait rassembler tout cela », explique Prasianakis. « A ajouté à cela l'échange important avec d'autres institutions de recherche telles que EMPA dans le cadre du projet de scène. »
Scène (le centre suisse d'excellence sur les émissions de zéro net) est un programme de recherche interdisciplinaire qui vise à développer des solutions scientifiquement solides pour réduire considérablement les émissions de gaz à effet de serre dans l'industrie et l'approvisionnement énergétique. L'étude a été réalisée dans le cadre de ce projet.
