通过贝叶斯优化实现可持续混凝土
机器学习
2023-11-21 v3 物理与社会
摘要
全球百分之八的二氧化碳排放可归因于水泥的生产，水泥是混凝土的主要成分，也是数据中心建设中 CO2 排放的主要来源。因此，发现低碳混凝土配方对可持续性具有重要意义。然而，试验新混凝土配方耗时耗力，因为通常必须等待记录混凝土 28 天抗压强度，该量的测量按其定义无法加速。这为贝叶斯优化 (BO) 等实验设计方法加速搜索强效且可持续的混凝土配方提供了机会。在此，我们 1) 提出建模步骤，使混凝土强度能够用相对较少的测量由高斯过程模型准确预测；2) 将可持续混凝土的搜索表述为多目标优化问题；3) 利用所提模型，以算法提议配比的真实世界强度测量开展多目标 BO。我们的实验结果显示，相较于基于当前行业实践的配比，各混合物的全球变暖潜势 (GWP) 与其相应抗压强度之间取得了改进的权衡。我们的方法已在 github.com/facebookresearch/SustainableConcrete 开源。
引用
@article{arxiv.2310.18288,
title = {Sustainable Concrete via Bayesian Optimization},
author = {Sebastian Ament and Andrew Witte and Nishant Garg and Julius Kusuma},
journal= {arXiv preprint arXiv:2310.18288},
year = {2023}
}
备注
NeurIPS 2023 Workshop on Adaptive Experimental Design and Active Learning in the Real World