数据：
麻省理工学院团队利用大语言模型和多头神经网络，筛选出25类水泥替代材料，预计可减少12亿吨温室气体排放。
线索：
水泥生产是全球温室气体的主要来源之一，随着基础设施需求的增加，水泥产量预计到2050年将增加20%。传统的水泥熟料替代材料如粉煤灰和粒化高炉矿渣的供给在减少，而新兴替代材料反应性不稳定、供应季节性波动。因此，开发稳定、可持续的替代材料具有重要意义。
正文：
麻省理工学院的材料科学与工程系联合团队开发了一种新型数据驱动方法，结合大语言模型（LLM）和多头神经网络架构，进行水泥替代材料的反应性预测与筛选。水泥生产占全球人为温室气体排放的6%以上，其主要来源是水泥熟料的生产过程。随着基础设施需求增加，预计到2050年，水泥产量将增加20%，加剧环境压力。
传统水泥熟料的替代策略依赖粉煤灰和粒化高炉矿渣，这些材料理论上可替代高达50%的熟料，且使GHG强度降低50%，但其供应量在过去20年中却从25%下降到17%。新兴的替代材料如生物质灰和废玻璃粉虽然具有潜力，但面临反应性不稳定和供应波动的问题。因此，开发更为稳定、可持续的替代材料变得迫切。
为系统识别更多可行替代材料，麻省理工团队提出了一种创新的多源数据整合方法。该方法基于大语言模型（LLM），从88,000篇相关论文中提取了1.4万种材料的化学组成，利用多头神经网络预测其反应活性，首次在全球范围内识别出超过5万种天然与工业副产材料的反应性，并筛选出25类具有替代水泥熟料潜力的天然材料，如建筑拆除废弃物、焚烧灰和火山岩。这些材料可以替代全球约50%的熟料用量，相当于减少12亿吨温室气体排放。
这项研究收录的论文题为《Data-driven material screening of secondary and natural cementitious precursors》，发表在Communication Materials上。
发布时间：
2025-06-19 15:22:21
评论 ( 0 )