近年来，3D打印技术被用于许多结构的建造过程中，而这些项目背后的方法论也进展迅速。从1998年发明建筑数字制造（CDF）系统，到2007年意大利工程师Enrico Dini的粉末型 ＂D－Shape ＂3D打印机，这项技术取得了飞速发展。利用水泥砂浆，建筑结构部件被3D打印出来，并在各个建筑工地进行组装。

但因为使用了大量的水泥，这带来了建筑材料的高自生收缩率、水化热和成本。此外，水泥制造也会造成较高的温室气体排放，导致能耗增加，恶化了3D打印混凝土结构的整体可持续发展。

2020年6月24日，南极熊从外媒获悉，来自斯威本科技大学的研究人员和法国建筑公司Bouygues Travaux Publics的主管，利用机器学习技术更好地研究3D打印建筑材料。

评估添加剂在建筑领域的应用 

地质聚合物提供了一种快速凝固、具有成本效益和生态友好的替代品。与传统的水泥复合材料相比，这些材料还具有更强的防火性和耐久性。尽管有这些优点，但使用硅酸盐化合物可能是不利的，不仅因为它们也被认为会造成环境问题，而且它们具有腐蚀性特征。因此，研究人员做出了许多努力，用其他元素来替代地质聚合物基体中已知会造成这种有害影响的硅和铝原子。

研究小组开始利用土木和建筑工程中产生的大量数据，了解3D打印材料的模式和分类，并找出克服这些缺点的方法。由于信息的复杂性，该团队采用了现代计算方法，包括条件推理树（ctree）和递归分区（rpart）方法来得出结论。例如，当地质聚合物粘结剂进行3D打印时，其强度的有效因素数量会因使用的打印参数而扩大。考虑到独立变量的范围，如果不使用机器学习，试图预测打印的土工聚合物样品的抗压强度，将会产生很高的误差。因此，研究人员使用学习算法来评估打印变量，并研究了对材料抗压强度影响最大的因素。

研究团队分析的变量矩阵，图片来自 Material Advances

利用机器学习方法对地质聚合物进行分类

在测试过程中，使用了一台定制的小型3D打印机来生产地聚物。采用活塞式挤出机，从尺寸为30毫米×15毫米的矩形喷嘴挤出聚合物。在加载混合料时，对挤出机进行了外部振动，以确保内部混合料得到充分的压实。

共测量了114个试样，并对数据集应用了1．95的平均转换系数。利用ctree函数对地聚物构造进行初步分析，证实了矿渣在地聚物混合设计中的贡献意义。以矿渣为主的混合料设计可获得更高的抗压强度，而将硅酸盐的比例提高到0．45以上，则可提高地聚物材料的强度。此外，利用rpart函数，没有使用钠离子的比例来建立预测模型，研究团队能够准确预测70％生产的试样的抗压强度类别。总的来说，研究团队能够创建3D打印地质聚合物的分类模型，使用ctree函数的正向预测值高达100％，使用rpart函数的预测值高达81％。

利用这些机器学习算法，研究团队能够准确地对3D打印硼基土工聚合物混凝土的抗压强度进行分类和预测。rpart函数只使用了两个因素来生成这些预测，而ctree则使用了四个因素，这反映在rpart函数归因于水泥样品的强度更加慷慨。此外，渣的百分比和硼离子的比例在地质聚合物组成中的重要性，分别被ctree和rpart函数成功识别。因此，该团队表示，这项研究可能成为理解如何设计更坚固和更环保的3D打印建筑材料的重要基石，甚至成为制定指南的起点。

该团队用于优化其地质聚合物水泥组成的ctree函数的DT流程图，图片来自《Material Advances》。

研究人员的研究结果详见他们于2020年5月27日发表在Material Advances杂志上的题为 ＂Formulation of mix design for 3D printing of geopolymers： a machine learning approach ＂的论文。该报告由Ali Bagheri和Christian Cremona共同撰写。