《Next Materials》：Experimental and data-driven study of crack self-healing in lime mortar using Bacillus subtilis
编辑推荐：
石灰砂浆是一种可持续且具有历史意义的建筑材料，广泛应用于遗产建筑中。然而，其初期机械强度较低且易受裂缝影响，限制了其在现代建筑中的应用。本研究通过实验探索了添加枯草芽孢杆菌（Bacillus subtilis，BS）对石灰砂浆裂缝自愈合的影响，并开发了数据驱动
石灰砂浆是一种可持续且具有历史意义的建筑材料，广泛应用于遗产建筑中。然而，其初期机械强度较低且易受裂缝影响，限制了其在现代建筑中的应用。本研究通过实验探索了添加枯草芽孢杆菌（Bacillus subtilis，BS）对石灰砂浆裂缝自愈合的影响，并开发了数据驱动预测模型以评估其自愈合性能。砂浆样品分别添加了10%、15%和20%的细菌体积分数，并在7至28天的不同养护期内测试了抗压强度。自愈合过程依赖于微生物诱导碳酸钙沉淀（Microbially Induced Calcium Carbonate Precipitation，MICP），该过程有助于密封裂缝、细化孔隙并致密化微观结构。结果表明，与传统石灰砂浆相比，掺入细菌提高了石灰砂浆的抗压强度和耐久性，其中20%细菌浓度在28天时效果最佳，最大抗压强度达到1.55 MPa。为预测自愈合性能，研究人员将人工神经网络（Artificial Neural Networks，ANN）、随机森林（Random Forests，RF）、高斯过程回归（Gaussian Process Regression，GPR）和极端梯度提升（Extreme Gradient Boosting，XGBoost）等机器学习方法应用于120个实验数据点的小数据集。XGBoost模型达到了最高精度（R2 = 0.984），其次是RF模型（R2 = 0.976）。然而，机器学习模型需要在更大的数据集上进行测试以提供可靠的结果。研究结果表明，生物介导的自愈合能有效减少石灰砂浆中的微裂缝扩展并增强抗断裂能力。实验与计算相结合的方法为设计耐久的自愈合抹灰材料提供了有力工具，对可持续建筑、建筑学和遗产保护具有重要意义。
本研究聚焦于石灰砂浆的生物自愈合改性及其性能预测，相关成果发表于《Next Materials》。
研究背景与问题：石灰基砂浆在历史建筑中应用悠久，其化学兼容性与结构适应性使其成为遗产修复的首选材料。然而，石灰砂浆存在初始机械强度低、易开裂等固有缺陷，限制了其在现代建筑中的广泛应用。尽管自愈合能力被视为石灰砂浆的被动优势，但相较于水泥基材料中工程化自愈合策略的广泛研究，石灰砂浆的系统定量研究明显不足。现有研究多集中于无机添加剂和可控养护条件，生物基添加剂主动抑制微裂缝形成与扩展的潜力尚未充分挖掘。此外，机器学习技术在定量预测石灰基材料自愈合效率和损伤恢复方面的应用仍然有限。为填补上述空白，本研究提出整合实验与计算的框架，将源自传统糯米的枯草芽孢杆菌作为生物剂引入石灰砂浆，通过微生物诱导碳酸钙沉淀促进裂缝密封，并同步开发机器学习模型以预测愈合效率和关联材料性能。
研究结论与意义：研究表明，20% BS浓度的石灰砂浆在28天时实现最大抗压强度1.55 MPa，自愈合效率高达83.61%，愈合后抗压强度恢复至1.084 MPa。XGBoost模型（R2 = 0.984）和RF模型（R2 = 0.976）在预测自愈合性能方面表现优异。生物介导的自愈合能有效减少微裂缝扩展、增强断裂抗力，为可持续建筑、建筑学和遗产保护提供了设计耐久自愈合抹灰材料的有效工具。本研究推进了生物介导自愈合石灰砂浆的机理理解与预测评估，为遗产保护和断裂敏感结构应用提供了优化裂纹抗性可持续材料的有效手段。
主要关键技术方法：研究人员以液压石灰为胶凝材料、细度模数2.67的河砂为细骨料，按1:3体积比配制砂浆，水灰比0.65。BS取自传统糯米培养物，初始浓度调整为10? CFU/mL，以0、10、15、20 g/L干质量浓度掺入。试件经3天带模养护后，于室温约90%相对湿度条件下养护。关键测试包括：维卡仪测定凝结时间、流动度桌法测定工作性、DIN 18555-7测定保水性；抗压强度（50 mm立方体，IS 6932第七部分）、抗折强度（40 mm×40 mm×160 mm棱柱体，EN 1015-12）；90天碳化深度（酚酞指示剂法，BS EN 13295:2004）、90天渗透性（常水头法，IS 3085:1965）；干燥收缩（ASTM C596-01）、超声波脉冲速度（Ultrasonic Pulse Velocity，UPV）监测内部完整性。预损伤采用钢线埋入法辅助开裂，以0.1 kN/s速率加载至70%极限抗压强度，目标裂缝宽度0.6 mm。自愈合评估在20±2°C、95±5%相对湿度条件下进行，监测3至90天强度恢复。盐蚀损伤采用NaCl（30循环）和Na?SO?（15循环）干湿循环，UPV定期监测。分析技术涵盖傅里叶变换红外光谱（Fourier Transform Infrared Spectroscopy，FT-IR，PerkinElmer 1000，衰减全反射模式）、X射线衍射（XRD，Bruker台式衍射仪）、热重分析（Thermogravimetric Analysis，TGA，Netzsch STA2500 Regulus）、扫描电子显微镜/能谱分析（SEM/EDS，FEI Quanta FEG 200）。机器学习采用ANN、RF、GPR和XGBoost四种算法，输入变量包括BS含量、养护时间和初始裂缝特征，输出为表面裂缝宽度减少量表征的愈合效率。数据集120个数据点按70:30分割训练测试，采用5折交叉验证和网格搜索优化超参数，每种模型独立运行50次取平均性能指标。
研究结果："化学分析"部分表明所用石灰含59.25%氢氧化钙[Ca(OH)?]，按IS 712:1984归类为液压石灰；河砂细度模数2.67，曲率系数0.22，均匀系数2.43，属良好级配中砂。"新鲜状态性能"部分显示，BS掺入延长凝结时间，BS-20初凝3小时43分、终凝14小时较对照组（初凝3小时05分、终凝13小时）显著延迟，源于细菌保水形成的生物膜和胞外多聚物延缓碳化和水分散失。工作性方面，BS-20流动度124 mm，达到190 mm扩展度仅需8次振捣，优于对照组（109 mm、12次），保水性和可塑性同步改善。水吸收率从对照组16.53%降至BS-20的10.72%，归因于MICP封堵微裂缝和糯米支链淀粉形成的疏气-石灰界面阻隔水分侵入。"硬化状态性能"部分中，BS-20的28天抗压强度较对照组提升31.48%达1.55 MPa，抗折强度提高20.78%。干燥收缩监测显示BS-20在90天后收缩1.02%低于对照组，且90天后趋于稳定而对照组仍持续收缩，表明BS有效减少干缩开裂风险。碳化深度从对照组2.40 mm增至BS-20的3.52 mm，BS通过碳酸酐酶催化CO?水化促进碳化，结合糯米改性孔隙结构实现更深碳化前沿。"UPV"部分表明，生物改性砂浆在各龄期均表现更高UPV值，预损伤后UPV损失率更低；14天时BS-20初始UPV 1649 m/s较对照组1342 m/s高23%，90%加载后1318 m/s较945 m/s高39%，证实MICP致密化微观结构和修复微裂缝。90天时BS-20初始UPV 2795 m/s、70%加载后2627 m/s、90%加载后2376 m/s，均显著优于对照组。
"裂缝自愈合"部分通过数字显微镜监测0至90天裂缝愈合进程。SEM显示BS砂浆中形成针状文石晶体和锐棱菱形方解石，BS与多糖的特异性相互作用改变碳酸钙晶型。对照组90天裂缝愈合率37.10%，而BS-10、BS-15、BS-20分别达63.33%、74.19%、83.61%。强度恢复方面，对照组56天后无进一步提升，BS-20则持续恢复至90天达1.084 MPa，最佳含水量阈值约2%。该差异归因于BS提供的持续代谢途径和糯米有机化合物支持的长期微生物活性。"盐蚀损伤非破坏评估"部分显示，Na?SO?环境较NaCl更具侵蚀性，对照组UPV下降更快；BS改性砂浆降解更缓慢，MICP析出的CaCO?在微裂缝中沉积实现内部自愈合，提升抗盐蚀性能。EDS分析证实BS-20中碳含量9.12%高于对照组7.98%，对应更高方解石比例和更强力学性能。"热重分析"部分显示，BS-20累计质量损失18.82%高于对照组13.33%，20-200°C区间损失增加归因于物理吸附水蒸发、有机组分分解及非晶碳酸钙（Amorphous Calcium Carbonate，ACC）转化；600-800°C区间BS-20损失6.94%显著高于对照组3.38%，反映其更高有机含量和碳化产物。"预测技术"部分中，XGBoost以MAE 0.017、RMSE 0.021、R2 0.984表现最优，RF次之（R2=0.976），GPR为0.949，ANN略低（0.863）。XGBoost训练验证曲线收敛最快、差距最小，泛化性能最佳。
讨论部分总结：研究人员指出，裂缝闭合测量基于表面裂缝宽度减少，未能反映深度方向愈合，可能导致实际结构恢复的高估。细菌掺入后的活力未经验证，碱性石灰环境中的存活率影响愈合机制解读和现场应用可靠性评估。机器学习模型依赖120个数据点的有限数据集，虽经交叉验证和重复训练，但对数据分布敏感，预测性能应在现有数据范围内解释，属指示性而非普遍可推广。未来将采用X射线计算机断层扫描或超声方法深入表征内部愈合，结合力学性能恢复提供更可靠评估；量化掺入后细菌活力以阐明机制；开发更大更多样数据集并采用混合深度学习模型提升泛化性；整合裂缝宽度演变、愈合指数和损伤变量等断裂力学参数，支持生态友好高性能建筑与遗产保护应用的数据驱动材料设计。
研究结论翻译如下：本实验研究采用源自传统糯米的枯草芽孢杆菌，以10%、15%和20%生物基添加剂掺量增强石灰砂浆的自愈合和力学性能，并应用机器学习回归技术可视化含生物活化添加剂石灰砂浆的整体性能。主要结论如下：源自传统糯米的枯草芽孢杆菌改善了砂浆工作性，提高了力学性能且未对吸水产生不利影响，表明其适用于石灰基体系。20% BS砂浆表现出最高抗压强度（28天1.55 MPa），归因于MICP；BS的尿素分解活性产生碳酸根离子，促进钙方解石形成，有效密封微裂缝并细化孔隙结构；同时微生物CO?产生进一步加速碳化，增加基质致密化、内聚力和承载能力。SEM观察证实裂缝和孔隙中ACC和方解石相的形成，佐证了强度、耐久性和裂缝愈合效率的改善。BS改性砂浆自愈合效率高达83.61%，恢复抗压强度1.084 MPa，突出其在减轻微裂缝损伤方面的有效性。碱性石灰环境中的细菌存活可能影响愈合行为，该重要问题在本研究中未进行实验研究，故强调未来实验应包含直接活力测量。在所评估预测模型中，XGBoost算法达到最高精度（R2 = 0.984），其次是RF模型（R2 = 0.976），展示了其捕捉生物添加剂用量、养护龄期和自愈合石灰砂浆力学恢复之间非线性关系的强大能力。机器学习框架旨在作为补充性数据驱动工具支持实验结果，而非作为自愈合行为的独立或机理性表征。本研究的关键局限在于数据集相对较小，限制了预测精度和泛化能力。未来工作应聚焦于开发更大、更多样的数据集以提升模型稳健性和可靠性。此外，将混合和深度学习模型与裂缝宽度演变、愈合指数和损伤变量等断裂力学参数相结合，可提高预测精度并支持生态友好高性能建筑和遗产保护应用的数据驱动材料设计。未来研究应扩展现有框架，采用先进计算策略预测断裂相关愈合指标并优化含不同生物基添加剂的石灰砂浆配合比。BS改性砂浆的良好表现凸显了MICP驱动愈合开发可持续、耐损伤建筑材料的潜力。进一步研究可聚焦于优化细菌浓度、环境暴露条件、养护制度和添加剂协同效应，以增强裂缝闭合动力学和长期耐久性。
