研究人员开发了一种机器学习模型，用于预测碱活化矿渣 (AAS) 材料的性能，AAS 是一种比传统水泥更可持续的替代品。通过分析包含超过 3100 条抗压强度记录和 24 个属性（包括前体化学成分和养护条件）的大型数据集，该模型提高了预测准确性。一项关键创新是将“平均金属氧化物离解能”(AMODE) 作为反应性描述符，它比单独的氧化物成分提供了更具可解释性和更有效的表示。这种方法允许探索在强度、成本和与普通硅酸盐水泥相比显著降低的二氧化碳排放之间取得平衡的设计空间。 AI
影响 通过预测性能和环境影响，实现更可持续的材料设计。
排序理由 详细介绍材料科学新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →