High-fidelity data-driven multi-objective design of class F fly ash–geopolymer concrete
Notice bibliographique
Résumé
Class F fly-ash geopolymers (FA-GPCs) can slash the CO₂ burden of structural concrete, yet their mix design still relies on costly trial-and-error. The first geometry-normalized database of FA-only geopolymer concretes was assembled—799 mixes from 67 publications, every reported strength converted to the 150 Ø 300 mm cylinder equivalent—and interrogate it with a three-scenario, data-availability workflow. Eighteen machine-, deep- and hybrid-learning models are benchmarked; a Voting ensemble predicts 7–28 days compressive strength with an R 2 of 0.962, while an LSTM + XGBoost hybrid forecasts mix-specific CO₂ footprints at an R 2 of 0.996. SHAP analysis reveals that the Si/Al ratio and initial curing temperature dominate early-age strength, whereas total Na₂SiO₃/NaOH and Na₂O/binder ratios control embodied carbon, underscoring an inherent strength–footprint trade-off. These surrogate models feed a multi-objective optimizer (NSGA-II, confirmed superior to NSGA-III and MOEA/D) that explores the 1st–99th-percentile bounds of 11 mix variables. The resulting Pareto fronts deliver eco-efficient recipes reaching 65 MPa at ≤30 kg CO₂/m 3 (at 90-d curing age) and extend to 87 MPa under relaxed carbon targets. Compared with state-of-the-art optimization that rely on mixed precursors or un-normalized data, the proposed pipeline widens the design space, lifts strength by 10–20 MPa and trims CO₂ by up to 70 %. The framework— in this order: data curation, geometry correction, scenario-specific ML, evolutionary optimization—cuts trial batching efforts and offers practitioners ready-to-deploy, class F FA-GPC mixtures while providing a transparent template for other alkali-activated binders which was confirmed by an experimental validation. • Geometry-normalized database of ~800 FA-geopolymer mixes enables apples-to-apples ML. • Voting ensemble predicts 7–28-d strength at R 2 = 0.962; LSTM + XGBoost CO₂ at R 2 = 0.996. • SHAP shows Si/Al ratio and curing-T drive strength, while Na-metrics govern CO₂ footprint. • NSGA-II yields Pareto mixes hitting 65 MPa at ≤30 kg CO₂/m 3 (90-d curing). • Framework cuts trial batches and offers ready-to-use class F FA-GPC recipes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».