官方网站-首页

【导语】两千多年前的古罗马混凝土，历经风雨仍屹立不倒。而今，现代混凝土却面临寿命短与环境影响大的双重挑战。在美国南加州大学，科学家们正利用人工智能，从原子级别重塑混凝土的未来。他们研发的Allegro-FM模型，不仅能预测混凝土的力学性能与化学反应，还能设计出既坚固耐用又能捕获二氧化碳的新型混凝土，为应对气候变化提供新的工程手段。这一创新或许将引领建筑材料领域的深度革新。

两千多年前，古罗马人在海港、防波堤和城市建筑中使用的混凝土，如今依然屹立在地中海的海风与浪涛之间。它们经受住了时间、盐水和地震的考验，寿命是现代混凝土的二十倍以上。而今天，我们身边的混凝土桥梁、楼宇和道路，往往在百年之内就需要大修或重建。

这种现代社会最常用的建筑材料，在生产过程中会释放巨量二氧化碳，仅水泥工业就贡献了全球约8%的CO₂排放。随着气候变化加剧，干旱、洪水、山火等极端事件愈发频繁，建筑材料的耐久性和环境影响，正成为摆在全球面前的双重难题。

AI可设计即坚固耐用又消耗二氧化碳的建筑材料示意图（图片来源：作者使用AI生成）

那么，能否造出一种混凝土，既坚固耐用，甚至媲美古罗马的千年传奇，又能主动消耗空气中的二氧化碳，反过来帮助我们应对气候危机？在美国南加州大学的一个实验室里，科学家们正试图用人工智能，在原子级别重塑混凝土的未来。

Allegro-FM的40亿个原子原子级模拟

要改造混凝土，必须从原子层面理解它的结构和反应过程。然而，混凝土并不是单一物质，而是由多种元素、不同晶相和复杂界面组成的材料混合物。要在分子和原子尺度准确预测它的力学性能、化学反应和老化过程，需要庞大的计算能力和极高的模型精度，这在过去是几乎不可想象的。

南加州大学的研究团队研发的名为高效材料模拟基础模型（Allegro-FM），将人工智能的基础模型理念引入材料科学。它基于模型如何理解并利用三维空间的对称性的神经网络架构，把分属不同领域的大规模有机与无机材料数据集拼接在同一能量标尺上进行训练。这种方法打破了传统模型一个任务一个模型的限制，让单一模型就能涵盖周期表中89种元素，并具备跨领域泛化能力。

混凝土中最重要的成分托勃莫来石结构图片（图片来源：参考文献[1]）

Allegro-FM的能力不只是精确，还在于规模，它在美国阿贡国家实验室的百亿亿次超级计算机上实现了同时模拟超过40亿个原子，并保持了 97.5%的并行效率，比传统分子动力学方法的计算规模提升约千倍。这意味着科学家可以在虚拟环境中快速测试无数种混凝土配方，提前筛选出最有潜力的方案，再投入到昂贵的实验环节中。

更重要的是，这个模型能近似量子力学的精度去预测化学反应。例如，在模拟碳酸化过程时，Allegro-FM不仅能捕捉CO₂分子在混凝土结构中形成稳定碳酸盐层的细节，还能计算出不同反应路径的活化能，帮助科学(xué)家设计出既能封存碳又不削弱材料强度的配方。

碳捕获与超耐久混凝土

现代混凝土在生产过程中会释放大量CO₂，而Allegro-FM的模拟显示，我们不仅可以减少这种排放，甚至能将它反向减碳。研究团队发现，通过在混凝土内部嵌入CO₂分子，可以形成一种致密的碳酸盐层。这一层结构稳定、抗水侵蚀，不仅能长期封存二氧化碳，还能像天然保护膜一样提升材料的抗裂性和耐久性。

这种理念有点像向混凝土里种下二氧化碳种子。在自然条件下，CO₂和钙硅酸盐反应生成的碳酸钙往往会让混凝土变脆。但借助Allegro-FM的高精度原子模拟，科学家能找到一种反应路径，使生成的碳酸盐既稳固又不破坏整体力学性能，从而让混凝土变得更强、更耐用。模拟结果表明，这类材料的寿命可能延长到千年级，接近古罗马混凝土的传奇水平。

在防火方面，这种新型混凝土同样具备优势。模拟显示，材料在经历如山火环境极端高温后仍能保持结构稳定，不会像部分现代混凝土那样迅速失去承载能力。这意味着它特别适合在气候变化导致山火频发的地区应用，如加州、澳大利亚甚至我国西南的部分山区。

此外，Allegro-FM的模拟还能探索自修复混凝土的可能性，材料内部预先设计的微胶囊或化学反应机制，在出现裂缝或微损伤时自动触发修补反应。这种思路若实现，不仅能减少维护成本，还能延长基础设施的安全服役期。

总结

从古罗马混凝土的千年传奇，到现代AI驱动的原子级材料设计，人类正迎来一次建筑材料的深度革新。Allegro-FM不仅让科学家得以在虚拟世界中构建和测试碳捕获型混凝土，更为应对气候变化提供了新的工程手段。未来，如果这些设计走出实验室，进入城市与乡村，它们或许会让我们的桥梁、道路和房屋，在抵御时间与气候的考验中，更加坚韧而长久。

参考文献：

[1] Nomura, Ken-ichi, et al. "Allegro-FM: Toward an Equivariant Foundation Model for Exascale Molecular Dynamics Simulations." The Journal of Physical Chemistry Letters 16 (2025): 6637-6644.

作者丨Denovo科普团队（张玮杰 中国科学院大学博士；杨超 博士）

审核丨孙克衍博士 中国矿业大学副教授