L’industrie du ciment produit environ 8 % des émissions mondiales de CO₂, soit plus que l’ensemble du secteur de l’aviation dans le monde. Des chercheurs de l’Institut Paul Scherrer PSI ont mis au point un modèle basé sur l’IA qui permet d’accélérer la découverte de nouvelles formulations de ciment qui pourraient permettre d’obtenir la même qualité de matériau avec une meilleure empreinte carbone.
Les fours rotatifs des cimenteries sont chauffés à une température torride de 1 400 degrés Celsius pour brûler le calcaire broyé et le transformer en clinker, la matière première du ciment prêt à l’emploi. Il n’est pas surprenant que de telles températures ne puissent pas être atteintes avec de l’électricité seule. Elles sont le résultat de processus de combustion à forte intensité énergétique qui émettent de grandes quantités de dioxyde de carbone (CO₂). Ce qui peut surprendre, cependant, c’est que le processus de combustion représente moins de la moitié de ces émissions, bien moins. La majeure partie est contenue dans les matières premières nécessaires à la production de clinker et de ciment : Le CO₂ lié chimiquement au calcaire est libéré lors de sa transformation dans les fours à haute température.
Une stratégie prometteuse pour réduire les émissions consiste à modifier la recette du ciment elle-même, en remplaçant une partie du clinker par des matériaux cimentaires alternatifs. C’est exactement ce qu’a étudié une équipe interdisciplinaire du Laboratoire de gestion des déchets du Centre d’ingénierie et de sciences nucléaires du PSI. Au lieu de s’appuyer uniquement sur des expériences fastidieuses ou des simulations complexes, les chercheurs ont développé une approche de modélisation basée sur l’apprentissage automatique.
« Cela nous permet de simuler et d’optimiser les formulations de ciment de manière à ce qu’elles émettent nettement moins de CO₂ tout en conservant le même niveau élevé de performance mécanique », déclare la mathématicienne Romana Boiger, premier auteur de l’étude. « Au lieu de tester des milliers de variantes en laboratoire, nous pouvons utiliser notre modèle pour générer des suggestions de recettes pratiques en quelques secondes – c’est comme si nous avions un livre de cuisine numérique pour un ciment respectueux du climat. »
Grâce à cette nouvelle approche, les chercheurs ont pu filtrer de manière sélective les formulations de ciment susceptibles de répondre aux critères souhaités. « L’éventail des possibilités pour la composition du matériau – qui détermine en fin de compte les propriétés finales – est extraordinairement vaste », déclare Nikolaos Prasianakis, chef du groupe de recherche sur les mécanismes de transport au PSI, initiateur et co-auteur de l’étude. « Notre méthode nous permet d’accélérer considérablement le cycle de développement en sélectionnant les candidats prometteurs en vue d’une étude expérimentale plus approfondie. »
La bonne recette
Aujourd’hui déjà, des sous-produits industriels tels que le laitier issu de la production de fer et les cendres volantes des centrales électriques au charbon sont utilisés pour remplacer partiellement le clinker dans les formulations de ciment et réduire ainsi les émissions de CO₂. Toutefois, la demande mondiale de ciment est si importante que ces matériaux ne peuvent à eux seuls répondre aux besoins. « Ce qu’il nous faut, c’est la bonne combinaison de matériaux disponibles en grandes quantités et à partir desquels il est possible de produire un ciment fiable et de haute qualité », affirme John Provis, chef du groupe de recherche sur les systèmes cimentiers au PSI et coauteur de l’étude.
Il est toutefois difficile de trouver de telles combinaisons : « Le ciment est essentiellement un liant minéral – dans le béton, nous utilisons du ciment, de l’eau et du gravier pour créer artificiellement des minéraux qui maintiennent l’ensemble du matériau ensemble », ajoute M. Provis. « On pourrait dire que nous faisons de la géologie en accéléré. Cette géologie – ou plutôt l’ensemble des processus physiques qui la sous-tendent – est extrêmement complexe, et la modéliser sur un ordinateur est par conséquent très coûteux en termes de calcul. C’est pourquoi l’équipe de recherche fait appel à l’intelligence artificielle. »
L’IA comme accélérateur de calcul
Les réseaux neuronaux artificiels sont des modèles informatiques qui sont entraînés, à l’aide de données existantes, pour accélérer des calculs complexes. Au cours de la formation, le réseau est alimenté par un ensemble de données connues et en tire des enseignements en ajustant la force relative ou la « pondération » de ses connexions internes afin qu’il puisse prédire rapidement et de manière fiable des relations similaires. Cette pondération constitue une sorte de raccourci, une alternative plus rapide à la modélisation physique, qui serait autrement très gourmande en ressources informatiques.
Les chercheurs du PSI ont également utilisé un tel réseau neuronal. Ils ont eux-mêmes généré les données nécessaires à l’entraînement : « À l’aide du logiciel de modélisation thermodynamique open-source GEMS, développé au PSI, nous avons calculé, pour différentes formulations de ciment, quels minéraux se forment pendant le durcissement et quels processus géochimiques ont lieu », explique Nikolaos Prasianakis. En combinant ces résultats avec des données expérimentales et des modèles mécaniques, les chercheurs ont pu obtenir un indicateur fiable des propriétés mécaniques, et donc de la qualité du matériau du ciment. Pour chaque composant utilisé, ils ont également appliqué un facteur CO₂ correspondant, une valeur d’émission spécifique qui a permis de déterminer les émissions totales de CO₂. « Il s’agissait d’un exercice de modélisation très complexe et exigeant en termes de calcul », ajoute le scientifique.
Mais le jeu en valait la chandelle : grâce aux données ainsi générées, le modèle d’IA a pu apprendre. « Au lieu de quelques secondes ou minutes, le réseau neuronal entraîné peut maintenant calculer les propriétés mécaniques d’une recette de ciment arbitraire en quelques millisecondes, c’est-à-dire environ mille fois plus vite qu’avec la modélisation traditionnelle », commente M. Boiger.
De la sortie à l’entrée
Comment cette IA peut-elle être utilisée pour trouver des formulations de ciment optimales – avec les émissions de CO₂ les plus faibles possibles et une qualité de matériau élevée ? Une possibilité serait d’essayer différentes formulations, d’utiliser le modèle d’IA pour calculer leurs propriétés, puis de sélectionner les meilleures variantes. Une approche plus efficace consiste toutefois à inverser le processus. Au lieu d’essayer toutes les options, posez la question dans l’autre sens : Quelle composition de ciment répond aux spécifications souhaitées en ce qui concerne le bilan CO₂ et la qualité du matériau ?
Tant les propriétés mécaniques que les émissions de CO₂ dépendent directement de la recette. « D’un point de vue mathématique, les deux variables sont des fonctions de la composition – si celle-ci change, les propriétés respectives changent également », précise le mathématicien. Pour déterminer une recette optimale, les chercheurs ont formulé le problème sous la forme d’une tâche d’optimisation mathématique : Ils recherchent une composition qui maximise les propriétés mécaniques et minimise les émissions de CO₂. « Fondamentalement, nous cherchons un maximum et un minimum, ce qui nous permet de déduire directement la formulation souhaitée », explique le mathématicien.
Pour trouver la solution, l’équipe a intégré dans le flux de travail une technologie d’IA supplémentaire, les algorithmes génétiques – des méthodes assistées par ordinateur inspirées de la sélection naturelle. Cela leur a permis d’identifier de manière sélective les formulations qui combinent idéalement les deux variables cibles.
L’avantage de cette « approche inversée » : Il n’est plus nécessaire de tester aveuglément d’innombrables recettes et d’évaluer ensuite les propriétés qui en résultent ; au contraire, il est possible de rechercher spécifiquement celles qui répondent à des critères souhaités précis – dans ce cas, des propriétés mécaniques maximales avec des émissions de CO₂ minimales.
Une approche interdisciplinaire à fort potentiel
Parmi les formulations de ciment identifiées par les chercheurs, il existe déjà quelques candidats prometteurs. « Certaines de ces formulations ont un réel potentiel », commente John Provis, non seulement en termes de réduction des émissions de CO₂ et de qualité, mais aussi en termes de faisabilité pratique dans la production. » Toutefois, pour achever le cycle de développement, les recettes doivent d’abord être testées en laboratoire. « Nous n’allons pas construire tout de suite une tour avec ces recettes sans les avoir d’abord testées », indique Nikolaos Prasianakis en souriant.
L’étude sert avant tout de preuve de concept, c’est-à-dire qu’elle prouve que des formulations prometteuses peuvent être identifiées uniquement par des calculs mathématiques. « Nous pouvons étendre notre outil de modélisation IA en fonction des besoins et intégrer d’autres aspects, tels que la production ou la disponibilité des matières premières, ou le lieu d’utilisation du matériau de construction – par exemple, dans un environnement marin, où le ciment et le béton se comportent différemment, ou même dans le désert », dit Romana Boiger : « Ce n’est qu’un début. Les gains de temps offerts par un tel flux de travail général sont énormes – ce qui en fait une approche très prometteuse pour toutes sortes de conceptions de matériaux et de systèmes. »
Sans l’expérience interdisciplinaire des chercheurs, le projet n’aurait jamais vu le jour : « Nous avions besoin de chimistes cimentiers, d’experts en thermodynamique, de spécialistes de l’IA – et d’une équipe capable de réunir tout cela », conclut M. Prasianakis.« À cela s’ajoutait l’important échange avec d’autres institutions de recherche telles que l’EMPA dans le cadre du projet SCENE.SCENE (le Centre suisse de compétences pour les émissions nettes zéro) est un programme de recherche interdisciplinaire qui vise à développer des solutions scientifiquement fondées pour réduire radicalement les émissions de gaz à effet de serre dans l’industrie et l’approvisionnement en énergie. »
Source : PSI
