Publicado no periódico Discover Concrete and Cement, o estudo propõe um modelo explicável de inteligência artificial para prever simultaneamente propriedades mecânicas e de durabilidade de concretos produzidos com PET reciclado e cinza de casca de arroz.
A metodologia integra uma Kolmogorov-Arnold Network com o Marine Predators Algorithm, combinando previsão multialvo e otimização. O objetivo é capturar relações não lineares entre composição da mistura e diferentes indicadores de desempenho.
Além da precisão preditiva, os autores enfatizam explicabilidade para identificar quais variáveis exercem maior influência sobre resistência e durabilidade. A abordagem busca apoiar seleção de misturas sustentáveis com menor dependência de tentativa e erro.
A combinação entre IA explicável e materiais reciclados pode acelerar a triagem de misturas antes de ensaios extensivos. O valor para engenharia está em reduzir espaço de busca experimental sem substituir validação laboratorial e critérios normativos.