迄今為止，建筑材料的生產特別耗能。使用人工智能 （AI） 可以幫助開發替代和氣候友好型材料。聯邦材料研究與測試研究所 （BAM） 的一個團隊開發了一個應用程序，使訪問直觀。 2 薩特爾 

建筑材料的生產對CO的貢獻很大2全球排放量。 僅水泥的生產就占全球溫室氣體排放量的8%左右。  

高耗能制造工藝可以用自運行的化學反應來取代：替代和更環保的水泥不必在高爐中燒結。 起始材料和化學品對與水泥性質幾乎相同的材料沒有熱輸入。 而且它們幾乎沒有產生任何CO2 排放。 

然而，為此，必須確切地了解替代水泥的特性及其反應的邊界條件。 這就是困難開始的地方：水泥不僅是人類最廣泛使用的材料，而且是一種非常復雜的建筑材料：特別是CO的起始材料2 友好的水泥，根據它們的地質起源，可以有很大的不同，彼此的反應不同。 

純粹從數學角度來說，數十億和更多的可能組合很快出現。研究人員通常根據實驗室的經驗觀察改進配方。 傳統材料科學在這里達到極限， 只是因為大量的組合。  

基于人工智能（AI） 的材料特性的預測可以在這里有所幫助。人工智能模型可以學到材料樣品或模擬的實證觀察特性，以便預測新的和可能更好的最終產品。  

然而，AI模型仍然需要大量的實證信息，尤其是水泥，這種"數據饑渴"是個問題，因為反應非常緩慢。能否達到預期的結果往往只能經過幾個星期的實驗室工作來評估，因此開發替代水泥還需要很多年的時間。  

連續學習（SL） 的使用有望在這里取得突破：它有可能徹底改變材料研究。 與以前的人工智能的決定性區別： SL搜索新的最終產品，超越已經經驗已知的材料，并獲得的數據整體明顯減少。不導致目標的方法在早期階段被丟棄，并且更迅速地確定了有前途的實驗。 

到目前為止，SL 已被成功使用，例如.B用于開發藥物或金屬眼鏡的產品，即合成速度快或在模擬中很容易檢測到的產品。  

由薩賓·克魯施維茨教授領導的聯邦材料研究與測試研究所（BAM）的一個小組與柏林理工大學的迪特馬爾·斯蒂芬教授合作，現已能夠證明SL的使用對水泥研究也大有希望，盡管那里的反應要慢得多。"我們能夠證明，在不到8個月的時間內找到可靠和氣候中性材料是可能的。" 通常，開發周期需要幾年時間，"開發該應用程序的BAM材料科學家克里斯托夫·維爾克博士解釋道。 2鋼鐵、鋁或瀝青生產等密集領域。 

為了使他們的方法普遍可用，研究人員現在已經編程了一個應用程序，使材料社區更容易探索SL方法。 材料發現順序學習應用程序 （SLAMD）提供對SL 的低閾值訪問。 

與實驗室中許多起始材料的組合類似，人工智能幾乎有無窮無盡的配置可能性。通過SLAMD，科學家可以通過直觀和交互式用戶界面開發氣候友好型材料的 SL 方法，速度比以前快得多。