IA para projetar concreto com menor carbono e cura mais rápida para data centers

TL;DR

• A Meta desenvolveu uma ferramenta de IA de código aberto que desenha misturas de concreto equilibrando resistência, velocidade de cura e sustentabilidade usando otimização bayesiana.
• Em parceria com Amrize e a University of Illinois Urbana-Champaign (UIUC), concreto verde projetado pela IA foi implantado com sucesso no projeto de data center em Rosemount, MN, com testes de laje que mostraram desempenho superior às fórmulas padrão de baixo carbono.
• O fluxo de IA prevê curvas de resistência à compressão para várias misturas e utiliza otimização multiobjetivo para balancear resistência de curto e longo prazo com sustentabilidade.
• A solução básica de IA permanecerá de código aberto para facilitar a expansão, a comercialização e o P&D, com colaboração contínua para ampliar a adoção entre hyperscalers e grupos da indústria.
• O trabalho mostra que IA pode acelerar a descoberta de concretes, reduzir emissões e melhorar a aplicabilidade em lajes críticas de data centers, mantendo testes rigorosos.

Contexto e antecedentes

A produção de cimento é uma importante contribuição para o carbono incorporado na construção de data centers e representa cerca de 8% das emissões globais de CO2, segundo o World Economic Forum. O desenho tradicional de concreto tem priorizado resistência e custo, mas projetos modernos demandam misturas otimizadas para sustentabilidade, velocidade de cura, trabalhabilidade e acabamento. Métodos de IA oferecem caminho para acelerar a descoberta e escalar materiais sustentáveis por meio de dados. Em parceria com Amrize — um grande fabricante e fornecedor de cimento — e a University of Illinois Urbana-Champaign, a Meta desenvolveu um modelo de IA e um pipeline para explorar rapidamente formulações que atendam aos requisitos estruturais tradicionais, além de impactos ambientais. Na prática, misturas cimentícias envolvem escolhas entre tipos de cimento, SCMs de baixo carbono (sua disponibilidade varia), razões água/ ligante, tipos de agregados e adições. O desempenho de SCMs varia conforme a origem e a estação, exigindo testes de longo prazo. Materiais inovadores podem ter dados limitados, aumentando a complexidade do design. Essas realidades motivam uma abordagem orientada por dados para encontrar fórmulas de alto desempenho com menor carbono para diferentes aplicações, incluindo lajes de data centers. O desafio da indústria é equilibrar resistência com sustentabilidade, levando em conta restrições reais como trabalhabilidade e acabamento. A abordagem da Meta combina dados experimentais com IA para acelerar o aprendizado e reduzir o tempo de validação de novas misturas. O projeto também é aberto para apoiar a adoção em larga escala na indústria. Meta Engineering Articles

O que há de novo

• Um modelo de otimização bayesiana multiobjetivo prevê curvas de resistência à compressão para várias misturas e equilibra resistência de curto prazo, resistência de longo prazo e sustentabilidade.
• O pipeline suporta design para diferentes usos, incluindo lajes de data centers que exigem acabamento de alta qualidade e trabalhabilidade. Inclui restrições de água/ ligante e incorpora métricas de menor pegada de carbono na função objetivo.
• Em 2024, a Meta e a Amrize ampliaram a parceria para escalar a abordagem de IA em uma planta de batch perto de St. Paul, MN, compartilhando dados básicos de desempenho para apoiar uma abordagem de código aberto. A colaboração expandiu o ciclo de descoberta e testes.
• Os primeiros projetos de IA foram testados no site do data center da Meta em Rosemount, MN, com a Mortensen conduzindo testes de laje e, posteriormente, aplicação em uma laje de construção de um prédio de data center. Os resultados excederam os requisitos técnicos, mantendo boa trabalhabilidade e acabamento.
• Em apenas duas iterações, com ajustes humanos mínimos, as misturas descobertas superaram as fórmulas padrão de baixo carbono em resistência, velocidade de cura e sustentabilidade.
• A solução básica de IA permanecerá de código aberto para permitir adoção mais ampla, com Meta buscando engajar mais hyperscalers e grupos da indústria para publicar designs de referência, fórmulas informadas por IA, estudos de caso e boas práticas.

Por que isso importa (impacto para desenvolvedores/empresas)

• Concreto com menor carbono contribui diretamente para metas de emissões líquidas zero em construção de data centers, associando-se a grandes projetos de infraestrutura onde o carbono incorporado é crítico.
• Misturas que curam mais rápido podem reduzir prazos de construção, permitindo entregas antecipadas do projeto e, potencialmente, reduzir custos ao longo do ciclo de vida.
• Uma abordagem de código aberto facilita a adoção em toda a cadeia de valor da construção, permitindo que fornecedores, empreiteiros, arquitetos e proprietários experimentem com misturas sustentáveis e validem desempenho em seus contextos.
• Ao combinar IA com colaboração entre indústria (Amrize, Mortensen, UIUC), a Meta demonstra um modelo prático de escalonamento de formulações sustentáveis de concreto em projetos reais, mantendo qualidade e acabamento.
• O trabalho apoia esforços de ecossistema mais amplos, incluindo iMasons e o Open Compute Project, para publicar designs de referência e melhores práticas para concretos informados por IA.

Detalhes técnicos ou Implementação

• O modelo de IA usa otimização bayesiana multiobjetivo para aprender e otimizar composições de concreto, prevendo curvas de resistência à compressão para diferentes misturas e equilibrando resistência de curto e longo prazo com métricas de sustentabilidade.
• O conjunto de dados vem de testes de laboratório (experimentos de resistência em diferentes dias, slump, métricas de cura) e é usado para treinar o modelo, que propõe novas misturas para testes subsequentes.
• O pipeline envolve geração de dados de referência, treinamento do modelo, uso do modelo para desenvolver e validar novas hipóteses e melhoria contínua dos dados e do treinamento de IA.
• Ingredientes-chave de misturas sustentáveis incluem tipos de cimento, SCMs (com disponibilidade variável), tipos de agregado, razões água/ligante e adições; o modelo leva em conta variações de origem e sazonalidade e o impacto na pegada de carbono (GWP).
• Na prática, a IA foi capaz de distinguir entre fórmulas para lajes e para outras aplicações; em duas iterações, com ajustes humanos, foram descobertas fórmulas que superaram as fórmulas padrão de baixo carbono em resistência, velocidade de cura e sustentabilidade.
• A natureza de código aberto pretende permitir maior adoção comercial, com a Meta mantendo parceria com Amrize para escalar o uso na indústria de concreto. Meta Engineering Articles

Principais conclusões

• IA com otimização bayesiana pode projetar misturas de concreto que equilibram desempenho estrutural com metas de sustentabilidade.
• Testes no Rosemount, MN, mostraram fórmulas criadas pela IA superando fórmulas padrão de baixo carbono em resistência, velocidade de cura e sustentabilidade.
• O pipeline produziu dados de mais de 100 misturas únicas, com informações de resistência em diferentes dias e proxies de pegada de carbono, acelerando o ciclo de descoberta.
• A solução é de código aberto para apoiar adoção industrial mais ampla, com colaboração contínua para ampliar o uso entre hyperscalers.
• A Meta pretende disseminar designs de referência, estudos de caso e boas práticas por meio de grupos da indústria e parceiros.

Referências

• https://engineering.fb.com/2025/07/16/data-center-engineering/ai-make-lower-carbon-faster-curing-concrete