Meta 开源贝叶斯优化模型 BOxCrete 加速美国本土混凝土配方设计

Meta 在 2026 年美国混凝土协会（ACI）春季会议上发布了全新开源 AI 模型 Bayesian Optimization for Concrete (BOxCrete)，旨在通过贝叶斯优化快速探索并验证混凝土配方。该模型及其训练数据已在 GitHub（https://github.com/facebookresearch/SustainableConcrete）公开，供全球研发者使用。

背景 美国年消耗约 4 亿立方码混凝土，虽大部分预拌混凝土在国内生产，但仍有约 25% 的水泥需进口，导致成本、质量和供应链韧性受限。传统配方设计依赖实验室试验和工程师经验，周期长、费用高。

Meta 的技术贡献

• BOxCrete 采用贝叶斯优化与自适应实验设计，能够在数千种配方空间中高效定位强度、固化速度和可持续性指标的最优组合。
• 开源代码包括数据预处理、特征工程、模型训练（基于 Gaussian Process）以及配方推荐接口，支持 Python 与 REST API 调用。
• 已在伊利诺伊州与 Amrize、伊利诺伊大学合作，实现强度提升 12%、固化时间缩短 18% 的配方，并获 2025 年建筑创新奖（Best Partnership）和 Slag Cement Award。
• Quadrel 将 BOxCrete 集成至其内部配方管理平台，实现配方生成自动化，生产效率提升约 15%。

实际落地

• 多州大型混凝土制造商使用 BOxCrete 进行国产替代材料的快速评估，降低进口水泥依赖，削减碳排放。
• 通过公开数据集，行业科研机构可复现实验，推动混凝土材料科学的开放创新。

未来展望 Meta 将继续扩展模型功能，加入多目标优化（强度、耐久性、碳足迹）以及强化学习驱动的实验调度，帮助建筑行业实现数字化转型、成本下降和供应链韧性提升。

参与方式 访问 GitHub 获取代码与数据，阅读预印本论文《BOxCrete：一种用于混凝土强度预测和配方优化的开源 AI 模型》（https://arxiv.org/abs/2023.21525），即可加入社区贡献或自行部署。