Nghiên cứu công bố trên tạp chí Scientific Reports cho thấy trí tuệ nhân tạo (AI) có thể hỗ trợ dự đoán và tối ưu cấp phối bê tông sử dụng cốt liệu tái chế nhằm cải thiện khả năng chống xâm nhập chloride. Phân tích 729 cấp phối bằng mạng noron nhân tạo kết hợp phương pháp bề mặt đáp ứng cho thấy xỉ hạt lò cao nghiền mịn có thể góp phần bù đắp một phần hạn chế về khả năng chống chloride của cốt liệu tái chế.
Ứng dụng AI trong thiết kế vật liệu đang cho phép khai thác khối lượng lớn dữ liệu thực nghiệm để đánh giá đồng thời nhiều yếu tố ảnh hưởng đến tính chất bê tông. Với bê tông cốt liệu tái chế, cách tiếp cận này giúp làm rõ vai trò của xỉ hạt lò cao nghiền mịn (GGBFS), cốt liệu tái chế, tỷ lệ nước trên chất kết dính và tuổi dưỡng hộ đối với khả năng chống chloride.
Cốt liệu tái chế làm tăng nguy cơ xâm nhập chloride
Bê tông sử dụng cho các công trình ven biển hoặc môi trường có hàm lượng chloride cao phải đối mặt với nguy cơ ion chloride (Cl⁻), xâm nhập qua lớp bê tông bảo vệ, phá vỡ trạng thái bảo vệ cốt thép và thúc đẩy quá trình ăn mòn. Theo thời gian, quá trình này có thể dẫn đến nứt và suy giảm độ bền công trình.
Việc sử dụng cốt liệu tái chế đặt ra thêm yêu cầu đối với thiết kế bê tông. Cốt liệu thô tái chế thường còn lớp vữa cũ bám trên bề mặt, có thể tạo ra các vùng có độ thấm cao hơn và các đường dẫn vi nứt, từ đó ảnh hưởng đến khả năng chống chloride.
Nghiên cứu tập trung vào bài toán này, với mục tiêu tìm ra phương pháp thiết kế bê tông cốt liệu tái chế có khả năng chống chloride tốt hơn, đồng thời sử dụng các vật liệu có nguồn gốc tái chế hoặc vật liệu khoáng bổ sung.
Thay vì xây dựng một chương trình thí nghiệm mới với số lượng cấp phối hạn chế, nhóm nghiên cứu tổng hợp cơ sở dữ liệu gồm 729 cấp phối bê tông cốt liệu tái chế từ các nghiên cứu thực nghiệm trước đó. Sáu yếu tố được đưa vào phân tích gồm xỉ hạt lò cao nghiền mịn (GGBFS), cao su vụn phế thải (WCR), cốt liệu thô tái chế (RCA), tỷ lệ nước trên chất kết dính W/B, hàm lượng chất kết dính và tuổi dưỡng hộ.
Tối ưu khả năng chống xâm nhập ion chloride trong bê tông sử dụng vật liệu khoáng bổ sung nhờ mạng noron nhân tạo và phương pháp bề mặt đáp ứng. Ảnh: Gl0ck/Shutterstock.com.
GGBFS là một vật liệu khoáng bổ sung được sử dụng trong hệ chất kết dính của bê tông. Khả năng chống chloride được đánh giá thông qua hệ số khuếch tán chloride thu được từ phép thử di chuyển chloride nhanh. Giá trị hệ số khuếch tán càng thấp cho thấy khả năng hạn chế sự xâm nhập của chloride càng tốt. Các cấp phối trong cơ sở dữ liệu được đánh giá ở tuổi dưỡng hộ 7, 28 và 91 ngày, với 3 mẫu cho mỗi cấp phối và tuổi dưỡng hộ.
ANN phân tích 6 yếu tố ảnh hưởng đến khả năng chống chloride
Từ cơ sở dữ liệu thực nghiệm, nhóm nghiên cứu phát triển hai phương pháp phân tích gồm mạng noron nhân tạo (ANN) và phương pháp bề mặt đáp ứng (RSM).
ANN được sử dụng để nhận diện các mối quan hệ phi tuyến giữa thành phần cấp phối, điều kiện dưỡng hộ và khả năng chống chloride. Dữ liệu được chia thành 70% cho huấn luyện, 15% cho kiểm định và 15% cho thử nghiệm. Sau khi đánh giá nhiều cấu hình, mô hình được lựa chọn có 6 biến đầu vào, 12 noron ở lớp ẩn và một biến đầu ra là hệ số khuếch tán chloride.
Nhóm nghiên cứu tiếp tục sử dụng kiểm định chéo 10 lần để đánh giá độ ổn định của mô hình. Kết quả cho thấy ANN có khả năng dự đoán cao hơn RSM trên toàn bộ tập dữ liệu. Hệ số xác định R² của ANN đạt 0,9935, trong khi RSM đạt 0,9717. Sai số căn bậc hai trung bình của ANN là 0,227 × 10⁻¹² m²/s và sai số tuyệt đối trung bình là 0,178 × 10⁻¹² m²/s, thấp hơn các giá trị tương ứng 0,480 và 0,377 × 10⁻¹² m²/s của RSM.
Khoảng 98% kết quả dự đoán của ANN nằm trong phạm vi sai số ±6% so với kết quả đo, trong khi tỷ lệ này ở RSM khoảng 86%. Kiểm định chéo 10 lần cho R² trung bình 0,969, cho thấy hiệu quả dự đoán của ANN không chỉ phụ thuộc vào một cách phân chia dữ liệu thuận lợi.
ANN có ưu thế trong việc dự đoán các mối quan hệ phức tạp, trong khi RSM cung cấp mối quan hệ toán học rõ ràng hơn để xem xét tác động của từng biến và sự tương tác giữa các biến. Việc kết hợp hai phương pháp vì vậy cho phép nghiên cứu vừa đánh giá khả năng dự đoán của AI, vừa phân tích các yếu tố ảnh hưởng đến độ bền của bê tông.
AI tối ưu cấp phối với 40% GGBFS và 3,5% RCA
Kết quả phân tích cho thấy tuổi dưỡng hộ là một trong những yếu tố quan trọng đối với khả năng chống chloride. Khi thời gian dưỡng hộ tăng, hệ số khuếch tán chloride giảm do cấu trúc chất kết dính tiếp tục phát triển và trở nên đặc chắc hơn.
GGBFS cũng có ảnh hưởng đáng kể. Khi tăng hàm lượng GGBFS, khả năng vận chuyển chloride có xu hướng giảm. Theo các tác giả, nguyên nhân liên quan đến sự hình thành thêm các sản phẩm hydrat hóa, trong đó có gel canxi silicat hydrat, giúp cấu trúc bê tông đặc chắc hơn và hạn chế các đường dẫn để ion chloride xâm nhập.
Ngược lại, việc tăng hàm lượng RCA nhìn chung làm tăng hệ số khuếch tán chloride. Lớp vữa cũ còn bám trên cốt liệu tái chế có thể tạo ra các vùng thấm hơn và các đường dẫn vi nứt trong bê tông. Kết quả này cho thấy tỷ lệ cốt liệu tái chế cần được xem xét cùng với các thành phần khác trong cấp phối thay vì lựa chọn độc lập.
Đáng chú ý, tác động bất lợi của RCA có thể được bù đắp một phần thông qua việc điều chỉnh các thành phần cấp phối, trong đó GGBFS giữ vai trò đáng kể. Cao su vụn phế thải tạo ra mức giảm tương đối nhỏ đối với sự khuếch tán chloride, trong khi tỷ lệ nước trên chất kết dính cao hơn có xu hướng làm tăng sự xâm nhập chloride. Hàm lượng chất kết dính cao hơn và thời gian dưỡng hộ dài hơn đều góp phần cải thiện khả năng chống chloride.
Những kết quả này cho thấy hiệu quả của bê tông sử dụng vật liệu tái chế không chỉ phụ thuộc vào từng loại vật liệu mà còn vào tỷ lệ kết hợp giữa các thành phần. Đây cũng là điểm mà ứng dụng AI có thể hỗ trợ quá trình thiết kế cấp phối, khi mô hình có khả năng nhận diện đồng thời nhiều mối quan hệ và tương tác khó xác định nếu chỉ xem xét từng biến riêng lẻ.
Từ kết quả mô hình hóa, nhóm nghiên cứu xác định một cấp phối tối ưu gồm 40% GGBFS theo khối lượng chất kết dính, 2,7% WCR theo khối lượng chất kết dính và 3,5% RCA theo khối lượng cốt liệu thô. Cấp phối này sử dụng tỷ lệ nước trên chất kết dính 0,35, hàm lượng chất kết dính 425 kg/m³ và tuổi dưỡng hộ 91 ngày.
Với tổ hợp trên, hệ số khuếch tán chloride dự đoán đạt 5,81 × 10⁻¹² m²/s. Theo định nghĩa tối ưu hóa được sử dụng trong nghiên cứu, tỷ lệ vật liệu bổ sung đạt 46,2%.
Kết quả cho thấy AI có thể được sử dụng để chuyển một khối lượng lớn dữ liệu thực nghiệm thành thông tin phục vụ thiết kế cấp phối. Thay vì chỉ xác định ảnh hưởng riêng của từng thành phần, phương pháp này cho phép xem xét đồng thời nhiều yếu tố và tìm kiếm tổ hợp vật liệu phù hợp với mục tiêu về độ bền.
Tuy nhiên, tối ưu cấp phối trong nghiên cứu mới tập trung vào một nhóm chỉ tiêu nhất định. Các nghiên cứu tiếp theo cần mở rộng sang tối ưu đồng thời nhiều mục tiêu như cường độ cơ học, tính công tác, chi phí, phát thải CO₂, co ngót và các chỉ tiêu độ bền khác. Đây sẽ là cơ sở để đánh giá đầy đủ hơn khả năng ứng dụng phương pháp thiết kế cấp phối có hỗ trợ AI trong thực tiễn kỹ thuật.
Nguồn tham khảo: AI models predict chloride resistance in recycled aggregate concrete, Azobuild.com.
Cem.Info
