ACORN - AI-baserad receptgenerator för betong

Syfte och mål

Projektet adresserar utveckling av avancerade, hållbara betongrecept med hjälp av AI. Genom att integrera data från forskningslitteraturen syftar projektet till att använda generativ AI för att generera optimerade betongrecept. Projektet kommer att använda språkmodeller (LLM) för att konsolidera dataset och AI-driven avvikelsedetektering för att säkerställa datakvalitet. Projektet medför ett paradigmskifte för betongutveckling, där betongrecept kan optimeras för specifika applikationer och produceras med minskat klimatavtryck.

Förväntade effekter och resultat

Detta projekt syftar till att avancera från TRL 3 till 6 och fokuserar på LLM-datainsamling, AI-avvikelsedetektering och prediktiv AI-modellering av betongrecept. Målet är att bygga en systeminfrastruktur för AI-baserad insamling av betongdata där prediktiva modeller utvecklas för simulering av mekaniska egenskaper och klimatavtryck baserat på ingående material och en processkonfiguration. Plattformen prioriterar modularitet och öppenhet vilket ger användare möjlighet att integrera proprietär data och optimera simuleringar för prioriterad rymd i framtida versioner.

Planerat upplägg och genomförande

Projektet inleds med en designfas där projektet definierar användarbehov samt identifierar viktiga datakällor. Efter designfasen utvecklas en prototyp av datainsamlingssystemet och den nya databasen. Slutligen tränas och utvärderas prediktiva modeller där de bästa algoritmerna implementeras och görs tillgängliga via Ecometrix webapplikation. Projektet avslutas med en Go-To-Market strategi utvecklas.