ثورة في تصميم الخرسانة: شبكات عصبية تعاونية لتوليد خلطات خرسانية ذات أداء عالٍ

تتطلب الخرسانة عالية الأداء (HPC) قرارات تصميم معقدة تتعلق بمتغيرات مترابطة وقيود عملية. على الرغم من أن الأساليب المدفوعة بالبيانات قد حسنت من نمذجة التنبؤ في تصميم الخرسانة، إلا أن تصميم الانعكاس (inverse design) لا يزال محدودًا، خصوصًا عندما تكون بعض المتغيرات ثابتة ويجب فقط استنتاج المتغيرات الباقية. في هذا السياق، يقدم بحث جديد إطارًا لشبكات عصبية تعاونية لتحسين تصميم الخرسانة.

يثبت هذا الإطار كفاءته عن طريق دمج نموذج امتصاص مع متنبئ للقوة، بحيث يتعلم انتظارًا من خلال التدريب التعاوني. وعندما يتم تدريبه، يصبح بإمكان هذا النظام توليد تصاميم خلطات خرسانية ذات أداء متسق وبدون الحاجة لإعادة التدريب لكل سيناريو قيود جديد.

تفوق الطريقة المطروحة على النماذج التقليدية، بما في ذلك نماذج المتجسدة (autoencoder) واستدلال بايزي مع نماذج عملية غاوسية، حيث حققت ثباتًا في القوة بين القوة المتنبأ بها من الخلطات المنتجة والقوة المستهدفة، مع قيم R-squared تتراوح بين 0.84 و0.89. بالإضافة إلى ذلك، أدى هذا الأسلوب إلى تقليل متوسط الخطأ التربيعي في هذه الثبات بنسبة تقدر بحوالي 42% إلى 60%.

تظهر النتائج تطبيقًا مبتكرًا ودقيقًا وفعالًا من حيث التكلفة للذكاء الاصطناعي في علوم الخرسانة، موفرة حلاً قائمًا على الشبكات العصبية التعاونية لتصميم خلطات الخرسانة عالية الأداء مع الأخذ في الاعتبار القيود التصميمية.