IA Révolutionne la Formulation du Ciment pour Réduire Drastiquement les Émissions de CO2

L'IA qui écrit des recettes de ciment écologiques en quelques secondes L'industrie du ciment produit environ 8% des émissions mondiales de CO2, soit plus que l'ensemble du secteur de l'aviation. Les scientifiques du Paul Scherrer Institute (PSI) ont développé un modèle basé sur l'intelligence artificielle (IA) qui accélère considérablement la découverte de nouvelles formules de ciment, capables de réduire l'empreinte carbone tout en maintenant une qualité optimale. Dans les usines de ciment, les窑炉 (rotary kilns) sont chauffés à environ 1 400 degrés Celsius pour calciner la chaux concassée en clinker, l'ingrédient brut nécessaire pour produire du ciment prêt à utiliser. Ces températures élevées nécessitent souvent plus que de l'électricité. Elles sont généralement atteintes grâce à des processus de combustion énergivores, qui génèrent d'importants volumes de dioxyde de carbone (CO2). Surprenant, cependant, le processus de combustion ne représente qu'une partie des émissions de CO2. La majorité provient des matières premières nécessaires pour produire le clinker et le ciment : le CO2 chimiquement lié dans la chaux est libéré lors de sa transformation à haute température dans les fours rotatifs. Une stratégie prometteuse pour réduire ces émissions consiste à modifier les recettes de ciment, en remplissant une partie du clinker par des matériaux cimentants alternatifs. C'est cette approche qu'a adoptée une équipe interdisciplinaire du Laboratoire de gestion des déchets du Centre d'ingénierie nucléaire et de sciences du PSI. Au lieu de se fier uniquement à des expériences longues et coûteuses ou à des simulations complexes, les chercheurs ont opté pour une méthode basée sur l'apprentissage automatique. « Ce modèle nous permet de simuler et d'optimiser les formulations de ciment de manière à réduire considérablement les émissions de CO2 tout en conservant les mêmes performances mécaniques élevées », explique Romana Boiger, mathématicienne et première auteur de l'étude. « Au lieu de tester des milliers de variations en laboratoire, notre modèle génère des suggestions de recettes pratiques en quelques secondes – comme si nous avions un livre de cuisine numérique pour le ciment écologique. » Les possibilités en termes de composition des matériaux sont immenses et déterminent en fin de compte la qualité finale. « Notre méthode permet d'accélérer considérablement le cycle de développement en sélectionnant des formules prometteuses pour une enquête expérimentale subséquente », détaille Nikolaos Prasianakis, chef du groupe de recherche sur les mécanismes de transport au PSI et initiateur de l'étude. Déjà aujourd'hui, des sous-produits industriels comme les résidus de production d'acier (slag) et les cendres volantes des centrales électriques au charbon sont utilisés pour remplacer une partie du clinker, réduisant ainsi les émissions de CO2. Cependant, la demande mondiale de ciment est si grande que ces matériaux ne suffisent pas. « Nous avons besoin de la bonne combinaison de matériaux disponibles en grandes quantités et pouvant produire un ciment de qualité supérieure et fiable », souligne John Provis, chef du groupe de recherche sur les systèmes de ciment au PSI et co-auteur de l'étude. Trouver une telle combinaison n'est pas simple. Le ciment est fondamentalement un liant minéral utilisé dans le béton. Lors de son durcissement, il forme des minéraux et subit des processus géochimiques extrêmement complexes à modéliser. C'est là que l'IA entre en jeu. Les chercheurs du PSI ont utilisé un réseau neuronal artificiel pour accélérer ces calculs. Ils ont généré eux-mêmes les données de formation nécessaires à l'aide d'un logiciel de modélisation thermodynamique open-source appelé GEMS, développé au PSI. Ce logiciel a permis de calculer quels minéraux se forment durant le durcissement pour différentes formulations de ciment, ainsi que quels processus géochimiques s'opèrent. En combinant ces résultats avec des données expérimentales et des modèles mécaniques, les chercheurs ont réussi à trouver un indicateur fiable des propriétés mécaniques – et donc de la qualité du ciment. Pour chaque composant utilisé, ils ont également appliqué un facteur CO2 spécifique, ce qui leur a permis de déterminer les émissions totales. « C'était un exercice de modélisation très complexe et intensif du point de vue du calcul », reconnaît Prasianakis. L'effort a porté ses fruits. Avec cet ensemble de données, le modèle IA a pu apprendre. « Au lieu de quelques secondes ou minutes, notre réseau neuronal entraîné peut maintenant calculer en millisecondes les propriétés mécaniques d'une formule de ciment arbitraire – c'est environ mille fois plus rapide que les méthodes traditionnelles », précise Boiger. Une approche rétroactive pour l'optimisation des formules Comment utiliser cet IA pour trouver les formules de ciment idéales, avec les émissions de CO2 les plus basses et une qualité matérielle élevée ? Une possibilité serait de tester diverses formules, d'utiliser le modèle IA pour calculer leurs propriétés, puis de sélectionner les meilleures variantes. Une approche plus efficace est de renverser le processus. Au lieu de tester toutes les options, poser la question autrement : quelle composition de ciment répond aux spécifications souhaitées en matière d'équilibre CO2 et de qualité ! À la fois les propriétés mécaniques et les émissions de CO2 dépendent directement de la formule. « Mathématiquement, ces deux variables sont des fonctions de la composition – quand celle-ci change, leurs propriétés respectives changent aussi », explique Provis. Pour déterminer une formule 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. « En gros, nous cherchons un maximum et un minimum – à partir de là, nous pouvons déduire directement la formule souhaitée », conclut Provis. Pour trouver la solution, l'équipe a intégré une autre technologie d'IA, les algorithmes génétiques, des méthodes assistées par ordinateur inspirées par la sélection naturelle. Cette approche a permis d'identifier efficacement des formules qui combinent idéalement les deux critères visés. L'avantage de cette « approche rétroactive » est qu'il n'est plus nécessaire de tester aveuglément de nombreuses recettes et d'évaluer ensuite leurs propriétés ; on peut plutôt rechercher spécifiquement celles qui correspondent à des critères définis. Parmi les formules de ciment identifiées par les chercheurs, certaines montrent un réel potentiel. « Certaines de ces formules ont un véritable potentiel, non seulement pour réduire les émissions de CO2 et assurer la qualité, mais aussi en termes de faisabilité pratique en production », affirme Provis. Cependant, le cycle de développement n'est pas encore terminé, les formules doivent être testées en laboratoire avant toute utilisation. « Nous ne nous précipiterons pas pour construire une tour sans avoir d'abord testé les recettes », plaisante Prasianakis. Une approche multidisciplinaire à fort potentiel L'étude servait principalement de preuve de concept, démontrant qu'il était possible d'identifier des formules prometteuses par des calculs mathématiques. « Nous pouvons développer notre outil de modélisation IA selon les besoins et intégrer des aspects supplémentaires, tels que la production ou la disponibilité des matières premières, ou l'endroit où le matériau de construction sera utilisé – par exemple, dans un environnement marin où le comportement du ciment et du béton est différent, ou même dans le désert », ajoute Boiger. Selon Prasianakis, les gains de temps offerts par ce flux de travail général sont immenses, rendant cette approche très prometteuse pour divers projets de conception de matériaux et de systèmes. Ce projet n'aurait jamais abouti sans le background interdisciplinaire des chercheurs. « Nous avions besoin de chimistes du ciment, d'experts en thermodynamique, de spécialistes de l'IA – et d'une équipe capable de tout réunir », explique Prasianakis. À cela s'ajoutaient les échanges essentiels avec d'autres institutions de recherche, comme EMPA, dans le cadre du projet SCENE (Swiss Centre of Excellence for Net Zero Emissions). SCENE est un programme de recherche interdisciplinaire visant à développer des solutions scientifiquement valides pour réduire drastiquement les émissions de gaz à effet de serre dans l'industrie et l'approvisionnement en énergie. Cette étude a été menée dans le cadre de ce projet. L'approche novatrice du PSI pourrait transformer le développement de ciments plus écologiques, en accélérant le processus de découverte et en proposant des formules optimisées. Des experts de l'industrie ont salué cette innovation, considérant que la combinaison de l'IA et de l'expertise scientifique pourrait ouvrir la voie à des solutions durables et économiques. Le PSI, grâce à son expertise interdisciplinaire et à son engagement dans la recherche sur les émissions de CO2, continue de jouer un rôle crucial dans la lutte contre le changement climatique.