Hogyan segít az MI a cementipar szén-dioxid-kibocsátásának csökkentésében

A globális szén-dioxid-kibocsátás mintegy nyolc százalékáért egyetlen iparág felelős: a cementgyártás. Ez több, mint amennyit az egész légi közlekedési szektor kibocsát világszerte. Miközben a világ egyre több betont használ — lakóházakhoz, infrastruktúrához, ipari létesítményekhez —, a cement előállítása továbbra is rendkívül energiaigényes és szennyező marad. Ezen a helyzeten kíván változtatni a svájci Paul Scherrer Intézet (PSI) kutatócsoportja, amely mesterséges intelligencia segítségével dolgozik ki új, környezetbarát cementrecepteket.

A hagyományos cement előállításának középpontjában a klinker nevű alapanyag áll, amelyet mészkőből, több mint 1400 Celsius-fokos hőmérsékleten állítanak elő. Ez a folyamat nemcsak óriási mennyiségű energiát igényel, hanem jelentős szén-dioxid-kibocsátással is jár — részben az elégetett tüzelőanyagok miatt, de még nagyobb részt azért, mert a mészkőből a hő hatására kémiailag is felszabadul a CO₂. A hagyományos megközelítések, mint például az alternatív tüzelőanyagok használata, csak korlátozottan képesek csökkenteni ezeket a kibocsátásokat.

A PSI kutatócsoportja azonban egy másik irányt választott: nem csupán a gyártási folyamatokat optimalizálják, hanem magát a cement összetételét is átalakítják. Céljuk olyan cementformulák kifejlesztése, amelyek kevesebb klinkert tartalmaznak, és így kisebb szén-dioxid-lábnyommal járnak — ugyanakkor megőrzik a kívánt szerkezeti és mechanikai tulajdonságokat. Az ehhez szükséges komplex modellezési és kísérleti munka azonban időigényes lenne, így a kutatók a gépi tanulás módszereivel gyorsították fel a folyamatot.

A fejlesztett mesterséges neurális hálózatok képesek voltak milliónyi különböző cementrecept hatását előre jelezni. Ehhez előbb egy saját adathalmazt kellett létrehozniuk: a PSI nyílt forráskódú GEMS szoftverével szimulálták a különböző összetételek keményedési és ásványképződési folyamatait. Az így kapott eredményeket laboratóriumi mérésekkel és mechanikai modellekkel egészítették ki, majd minden összetevőhöz meghatározták a kapcsolódó CO₂-kibocsátási tényezőt. A tanulási folyamat után az MI már milliszekundumok alatt képes megbecsülni egy-egy új cementformula anyagi tulajdonságait és szén-dioxid-mérlegét.

A kutatók nem csupán az előrejelzésre használták a mesterséges intelligenciát, hanem az optimális receptek megtalálására is. Egy speciális, úgynevezett genetikus algoritmust alkalmazva visszafelé tették fel a kérdést: mely összetétel felel meg egyszerre a magas mechanikai teljesítménynek és az alacsony CO₂-kibocsátásnak? Az így kidolgozott „fordított keresés” lehetővé teszi, hogy célzottan azokat az összetételeket vizsgálják, amelyek megfelelnek a kívánt környezeti és műszaki követelményeknek.

Az eredmények már most ígéretesek. Több olyan új cementformula is született, amely nemcsak környezetkímélőbb, de gyártástechnológiai szempontból is megvalósítható. Ezeket ugyan még laboratóriumi körülmények között tesztelni kell, mielőtt gyakorlati felhasználásra kerülhetnének, de a koncepció működőképességét a kutatás meggyőzően igazolta.

A cementipar példája jól illeszkedik abba a szélesebb körű tendenciába, amely szerint a mesterséges intelligencia egyre nagyobb szerepet játszik a klímaváltozás elleni küzdelemben. AI-vezérelt megoldások jelenleg is segítenek a metánszivárgások észlelésében, az elektromos hálózatok optimalizálásában, a megújuló energiaforrások integrálásában, sőt még az extrém időjárási események előrejelzésében is. A különböző ágazatokban — legyen szó agráriumról, várostervezésről vagy ipari folyamatokról — az AI alkalmazása révén nemcsak a kibocsátások csökkenthetők, hanem új, fenntarthatóbb működési modellek is kialakíthatók.

Ugyanakkor fontos látni, hogy ezek az új technológiák nem jelentenek azonnali vagy univerzális megoldást. A cementipar esetében sem arról van szó, hogy egyik napról a másikra teljesen klímasemleges gyártásra lehetne áttérni. A fejlesztések komoly kutatást, ipari teszteket és nemzetközi együttműködést igényelnek. Az is nyilvánvaló, hogy a mesterséges intelligencia önmagában nem oldja meg a klímaváltozás problémáját, de rendkívül hasznos eszköz lehet egy hatékonyabb, tudományosan megalapozott és gyorsabban reagáló klímastratégia kialakításában.

A Paul Scherrer Intézet projektje jól példázza, hogy az interdiszciplináris megközelítés — amelyben a cementkémikusok, termodinamikai modellezők és AI-szakértők együtt dolgoznak — hogyan teremthet alapot valódi innovációnak. Mindez nem csupán a cementipar számára jelenthet áttörést, hanem más anyagipari és energetikai szektorok előtt is új utakat nyithat meg a karbonsemlegesség felé vezető úton. 

Osszd meg ezt a cikket
 Fázisátmenet figyelhető meg a nyelvi modellek tanulásában
Mi történik a mesterséges intelligencia „elméjében”, amikor megtanulja megérteni a nyelvet? Hogyan jut el oda, hogy nem csupán a szavak sorrendjét, hanem azok jelentését is képes követni? Egy nemrég megjelent kutatás a mesterséges intelligencia e belső folyamataiba enged elméleti betekintést, és olyan átváltozást azonosít, amely a fizikából ismert fázisátmenetekhez hasonlítható.
Hol tart ma valójában a mesterséges intelligencia?
A mesterséges intelligencia fejlesztése az elmúlt években látványos és gyakran lenyűgöző eredményeket produkált. Az olyan rendszerek, mint a ChatGPT, képesek természetes nyelvű szövegeket generálni, problémákat megoldani és sokszor az emberi teljesítményt is meghaladni különféle feladatokban. Ugyanakkor egyre több neves kutató és technológiai vezető – köztük John Carmack és François Chollet – hívja fel a figyelmet arra, hogy ezek az eredmények nem feltétlenül jelentik az általános mesterséges intelligencia (AGI) közeledtét. A színfalak mögött most új típusú problémák és kérdések kerültek a figyelem középpontjába, amelyek messze túlmutatnak a puszta teljesítményen.
A Rhino Linux új kiadással jelentkezik: 2025.3
A Linux disztribúciók körében főként kétféle szemléletmód terjedt el, vannak a stabil, ritkán frissülő rendszerek biztonságos kiszámíthatósággal, és a naprakész, de időnként kényes egyensúlyon balanszírozó, gördülő kiadású disztribúciók. A Rhino Linux ezt a két ellenpontot próbálja áthidalni, azaz egyszerre próbál naprakész lenni gördülő disztribúcióként, de alapként az Ubuntura épül, hogy megfelelő stabilitást is biztosítson.
SEAL az önmagát tanító mesterséges intelligencia előhírnöke
Hosszú évek óta tartja magát az elképzelés, hogy a mesterséges intelligencia fejlesztésének kulcsa az emberi tanítás: adatok, címkék, finomhangolás, gondosan megtervezett beavatkozások. Most azonban egy új megközelítés látott napvilágot. Az MIT kutatóinak legújabb munkája, a SEAL (Self-Adapting Language Models) névre keresztelt rendszer olyan nyelvi modelleket mutat be, amelyek képessé válnak saját maguk tanítására. Az eredmények nemcsak technológiai újdonságot jelentenek, hanem felvetik a kérdést: vajon milyen szerepet szánunk a jövőben az embernek az intelligens rendszerek képzésében?
Elég egy fotó és egy hang – az Alibaba új mesterséges intelligenciája teljes testű avatárt készít belőle
Egyetlen hangfelvétel és egy fotó is elegendő ahhoz, hogy élethű, teljes testtel mozgó, arcjátékkal és érzelmekkel teli virtuális karaktereket hozzunk létre – stúdió, színész vagy zöld háttér nélkül. Az Alibaba legújabb fejlesztése, az OmniAvatar nevű nyílt forráskódú mesterséges intelligencia-modell legalábbis éppen ezt ígéri. Bár a technológia még formálódik, már most is érdemes figyelmet szentelni annak, amit lehetővé tesz – és annak is, hogy mindez milyen új kérdéseket vet fel.
ALT Linux 11.0 Education az orosz oktatási intézmények fundamentuma
Az ALT Linux egy orosz gyökerekkel rendelkező, RPM csomagkezelőre épülő Linux disztribúció, amelynek alapjait a Sisyphus csomagtár képezi. Kezdetben orosz lokalizációs erőfeszítésekből nőtte ki magát, együttműködve olyan nemzetközi disztribúciókkal, mint a Mandrake és a SUSE Linux, különös tekintettel a cirill betűs írás támogatására.

Az elmúlt néhány napban megjelent Linux disztribúció frissítések