» Các nhà nghiên cứu Trung Quốc đã xây dựng thành công mô hình trí tuệ nhân tạo (AI) giúp dự đoán chính xác cường độ nén của bê tông cường độ cao, mang lại lựa chọn hiệu quả và đáng tin cậy hơn so với các phương pháp truyền thống. Nghiên cứu được đăng trên Scientific Reports, hứa hẹn ứng dụng rộng rãi trong thiết kế và kiểm soát chất lượng bê tông.
Việc ứng dụng trí tuệ nhân tạo vào thiết kế vật liệu xây dựng không còn là xu hướng tương lai mà đang dần trở thành công cụ thiết yếu trong thực tiễn. Đặc biệt trong lĩnh vực bê tông cường độ cao, AI đang chứng minh khả năng hỗ trợ kỹ sư dự đoán chính xác các thông số quan trọng như cường độ nén, qua đó tối ưu hóa quá trình thiết kế, kiểm soát chất lượng và giảm chi phí thử nghiệm.
Các phương pháp trí tuệ nhân tạo dự đoán cường độ nén của bê tông cường độ cao.
Ứng dụng AI trong bê tông cường độ cao
Dựa trên dữ liệu thực nghiệm từ 167 công thức bê tông cường độ cao, nhóm nghiên cứu đã sử dụng các thông số như xi măng, nước, khói silic, phụ gia siêu dẻo, cát, đá dăm và thời gian dưỡng hộ làm đầu vào cho mô hình AI. Họ triển khai loạt thuật toán hồi quy gồm Linear Regression, Lasso, Ridge, Decision Tree, SVR, Random Forest, KNeighbors và XGBoost, mỗi thuật toán được đánh giá bằng các chỉ số MAE, MSE và R² để xác định độ chính xác.
Sau quá trình xử lý dữ liệu (loại bỏ giá trị thiếu, chuẩn hóa, chia dữ liệu huấn luyện/kiểm tra theo tỷ lệ 70/30), 2 mô hình có hiệu suất cao nhất là XGBoost và Random Forest. Cả 2 đều vượt trội so với các mô hình tuyến tính trong việc xử lý mối quan hệ phi tuyến và phức tạp giữa các thành phần vật liệu.
Yếu tố ảnh hưởng lớn nhất đến cường độ nén
Để đánh giá tầm ảnh hưởng của từng thông số đầu vào, nhóm nghiên cứu sử dụng kỹ thuật SHAP (SHapley Additive exPlanations). Kết quả cho thấy thời gian dưỡng hộ là yếu tố có ảnh hưởng lớn nhất đến cường độ nén hoàn toàn phù hợp với thực tế quá trình thủy hóa xi măng diễn ra mạnh trong 28 ngày đầu. Trong khi đó, đá dăm chỉ đóng vai trò vật liệu chịu lực thụ động, không tham gia phản ứng hóa học nên ảnh hưởng đến cường độ nén thấp hơn.
Phân tích ban đầu cũng cho thấy sự phân bố dữ liệu khá đồng đều, ngoại trừ thành phần đá dăm có độ dao động lớn. Cường độ nén của các mẫu trong bộ dữ liệu tập trung trong khoảng hẹp, cho phép mô hình học tốt nhưng cũng đặt ra thách thức khi áp dụng ngoài phạm vi huấn luyện.
Công cụ AI hỗ trợ tối ưu thiết kế bê tông
Không dừng lại ở nghiên cứu học thuật, nhóm tác giả đã phát triển một giao diện người dùng trực quan (GUI) để phổ biến công cụ dự đoán này cho các kỹ sư vật liệu và nhà thầu. Người dùng chỉ cần nhập các thông số hỗn hợp như hàm lượng nước, xi măng và thời gian dưỡng hộ, mô hình AI sẽ dự đoán ngay cường độ nén tương ứng không cần kiến thức lập trình.
Ứng dụng này giúp đơn giản hóa quy trình thử nghiệm bê tông trong phòng lab, đồng thời hỗ trợ kỹ sư ra quyết định nhanh hơn trong việc lựa chọn công thức tối ưu cho từng yêu cầu công trình cụ thể.
Nghiên cứu cho thấy tiềm năng thực sự của trí tuệ nhân tạo trong lĩnh vực thiết kế bê tông. Mô hình dự đoán do các nhà nghiên cứu Trung Quốc phát triển không chỉ đạt độ chính xác cao mà còn dễ ứng dụng thông qua giao diện thân thiện. Đây là một bước tiến trong việc số hóa và tối ưu hóa quy trình phát triển vật liệu xây dựng, góp phần nâng cao chất lượng, hiệu quả và độ tin cậy của các công trình trong tương lai.
Cem.Info
