基于电化学传感器的组学驱动数据框架，用于优化基于聚合物的碱活化混凝土的性能

《Microchemical Journal》：Electrochemical sensor-integrated omics-driven data framework for performance optimization of polymer-based alkali-activated concrete

　　

• •
  开发了一种基于电化学传感器的组学驱动框架，用于聚合物改性的碱活化混凝土（PAAC）。
• •
  嵌入式传感器实时监测腐蚀电位、离子传输、水分动态和微观结构变化。
• •
  材料、工艺和耐久性的组学分析实现了全面的物理化学表征。
• •
  机器学习模型显著提高了对抗压强度、抗氯离子性能、渗透性和耐久性的预测能力。
• •
  建立了下一代可持续和智能基础设施系统的数字孪生平台。

引言

建筑行业是全球温室气体排放的主要来源，这主要是由于普通波特兰水泥（OPC）的生产过程能耗较高[1]。为了满足对更环保基础设施的需求，研究人员正在研究替代性粘合剂系统，这些系统具有较低的环境影响和相似或更优异的工程性能，包括碱活化材料（AAMs）和基于地质聚合物的粘合剂，这些材料碳足迹较低，能够利用工业副产品，并且对恶劣环境具有较高的抵抗力。

聚合物改性的碱活化混凝土（PAAC）是在碱活化系统基础上发展而来的，通过加入聚合物来改善其粘结性能、微观结构完整性、抗弯性能和耐久性[2]。研究表明，如苯乙烯-丁二烯橡胶、丙烯酸乳液、聚醋酸乙烯酯和环氧基添加剂等聚合物改性剂可以增强抗裂性、降低渗透性并提高化学降解抵抗能力[3]。

PAAC的性能仍然受到许多相互作用变量的影响，而传统实验方法通常单独评估这些变量，包括前驱体成分、活化剂浓度、聚合物用量、固化温度、水分含量以及环境暴露条件。因此，很难理解材料基质与其他变量之间的复杂相互作用[4]。大多数研究基于周期性实验室测试，而不能实时监测材料在固化过程中的动态变化或长期使用情况。随着系统的日益数字化，需要更智能的监测框架来提供材料行为的实时信息。

电化学传感技术可用于测量材料退化的重要指标，如腐蚀活性、离子迁移率、电导率、pH值变化、水分传输等，并可以用来监测这些参数随时间的变化，从而评估混凝土结构在不同环境条件下的退化情况并识别早期退化迹象[5]。同时，随着材料信息学（统计方法）和组学科学的发展[6]，研究复杂材料系统的方法也发生了转变，这些方法能够从实验、传感器测量、模拟和观察中收集大量数据，并关联传统测试无法探究的性能驱动机制。

将电化学传感与组学分析相结合（例如创建机械性能、耐久性演变或使用寿命的预测模型），通过将连续的电化学数据整合到多维材料描述符和机器学习算法中，并根据这些数据进行调整，为智能材料优化开辟了新的机会[7]。人工智能、数字孪生和智能基础设施系统的最新进展进一步强调了以数据为中心的方法在建筑材料工程中的重要性；即物理资产的数字孪生需要实时的信息流以及预测模型，而集成传感器的组学框架可以作为智能表示混凝土结构的基础，从而在整个基础设施生命周期内增强决策能力。

虽然在碱活化材料的研究方面已经取得了显著进展，但针对聚合物改性材料专门使用电化学传感技术和基于组学分析工具的研究仍然较少。目前的研究主要集中在传感器监测或基于机器学习的优化上，而没有充分考虑数据整合的方法论问题。

本文介绍了一种集成了电化学传感器、多维数据采集、先进分析和预测建模的组学驱动方法框架，用于聚合物改性的碱活化混凝土（PAAC）。该框架建立了连续监测PAAC性能的集成传感架构；包含组成参数、微观结构和耐久性参数的材料组学数据库；用于预测性能的机器学习算法；并展示了如何将这一集成传感架构应用于混凝土生命周期的智能设计和管理，以实现下一代可持续的智能建筑材料和具备持续适应能力的基础设施系统。

章节摘录

聚合物改性碱活化混凝土混合物的开发

通过系统设计的实验矩阵研究了碱活化化学过程及聚合物添加对混凝土性能的影响[8]。选用的主要铝硅酸盐来源是GGBFS、粉煤灰和偏高岭土，这些材料因其反应性和可持续性能而被广泛认可。所使用的碱活化剂是硅酸钠和氢氧化钠的溶液，聚合物改性剂采用苯乙烯-丁二烯橡胶（SBR）的形式。

聚合物添加对碱活化混凝土机械性能的影响

所有含有聚合物改性剂的碱活化混凝土配方都显示出显著的机械性能提升。随着聚合物添加量的增加，抗压强度达到了最佳值8%，但超过最佳添加量后由于聚合物薄膜形成过多和基质密度降低，抗压强度略有下降。对照组的碱活化混凝土28天的抗压强度为48.6 MPa；而含有8% SBR的混凝土抗压强度为67.4 MPa。

讨论

本案例表明，结合电化学传感技术和基于组学的分析方法有助于优化聚合物改性碱活化混凝土（PAAC）的性能。研究结果表明，嵌入式传感器、多维材料表征和机器学习分析能够揭示控制混凝土性能的复杂相互作用，解决了传统混凝土评估方法的主要局限性。

结论

本研究成功开发并评估了一种基于电化学传感器的组学驱动数据框架，用于聚合物改性碱活化混凝土（PAAC）的性能优化。该框架整合了嵌入式电化学传感技术、多维材料组学表征、机器学习分析和数字孪生建模，构建了一个智能混凝土监测和优化平台，能够持续评估材料行为。

CRediT作者贡献声明

张晓燕：研究、数据整理、概念构思。 江春萌：写作——审稿与编辑、初稿撰写、软件使用、资源准备。 冯傲飞：数据可视化、验证、方法论制定。

资金支持

本研究得到了国家本科生创新与创业培训计划的支持。

利益冲突声明

作者声明没有已知的财务利益关系或个人关系可能影响本文所述的工作。