约束驱动设计假说

古代工程中有一个规律不断为现代材料科学家带来可发表的成果：在严苛材料约束下工作的建造者——没有钢筋、没有硅酸盐水泥、没有电动工具——有时反而找到了在特定指标上超越现代方案的解决路径。并非全面超越，而是在针对性的维度上表现优异，暗示其约束驱动的方法探索了设计空间中我们因选择过于丰富而忽略的区域。

近年来三组系统性研究以定量方式支持了这一论点。对于从事计算材料发现的研究者而言，其启示比你预想的更为直接。

万神殿穹顶内部——世界上现存最大的无筋混凝土穹顶，约公元126年以罗马火山灰混凝土建造 万神殿穹顶内部，罗马。照片：Wikimedia Commons (CC BY-SA)

罗马海洋混凝土：在海水中浸泡两千年后更强

现代硅酸盐水泥混凝土的抗压强度为20-60 MPa，但在海洋环境中劣化迅速——海洋结构的典型设计寿命仅为50-100年，实际往往更短。罗马海洋混凝土的抗压强度约为7.5 MPa，按此指标远逊于现代混凝土，然而凯撒里亚和拜亚的港口结构在两千年的持续海水浸泡后仍保持结构完整。这意味着以五分之一的抗压强度换来了20:1的耐久性优势。

Jackson等人（2017）在《American Mineralogist》上发表的研究揭示了其机制：海水渗透火山灰（火山灰质）基体后溶解矿物相，并在气孔和残余钙铝硅酸盐水合物（C-A-S-H）胶凝区域促进铝代托贝莫来石和菱沸石的结晶 [1]。铝代托贝莫来石（Al-tobermorite）——一种钙硅酸盐体系中罕见的热液矿物，理想组成为Ca₅Si₅Al(OH)O₁₇——通常仅在高温条件下（约80°C以上）才会生成。它能在罗马混凝土中于常温下结晶，代表了一条此前未知的低温水-岩反应路径。

关键洞察在于：海水作用在这里是建设性的——现代混凝土的C-S-H胶凝体在海洋暴露下会钙淋失而弱化，而罗马火山灰质基体却能将溶解的离子招募进新生矿物水泥中，在地质时间尺度上不断增强结构。

MIT的Seymour、Masic及其同事在2023年1月（Science Advances）的研究中提出了一个互补机制：石灰碎块——毫米级的富钙夹杂物，此前被当作搅拌不均的证据而忽略——实际上是使用生石灰（CaO）在高温下"热拌"的产物，而非预先消化的石灰 [2]。这些反应性夹杂物实现了裂缝自愈合：当裂缝形成时，渗入的水溶解石灰碎块，释放Ca²⁺离子，重新结晶为CaCO₃封闭裂缝。在以渗透率测量为指标的实验室测试中，热拌试样在两周内完全自愈——裂缝试样的水流量降至近零。冷拌对照组则无任何自愈迹象。Masic团队目前正基于这一原理开发含反应性钙夹杂物的现代配方，面向海洋基础设施应用——该领域每年的维护成本高达数十亿美元。

印加干砌石墙：通过可控摇摆实现抗震

1950年库斯科地震（M7.7）摧毁了城中大部分殖民时期建筑。而五个世纪前不使用砂浆建造的萨克塞瓦曼印加石墙安然无恙。这并非孤证——在多次地震事件中反复观察到同样的现象，近年的计算研究已开始定量揭示其背后的力学机理。

库斯科精密拼接的印加石墙，展示精湛的干砌石工艺 印加石墙，库斯科。照片：Wikimedia Commons (CC BY)

剑桥大学发表于《Journal of the Royal Society Interface》（2022）的研究对印加"枕形"（垫状）石块在地震荷载下的响应进行了离散元建模 [3]。模拟揭示了一种可控摇摆机制：

  • 石块在地震事件中以约2-3度的幅度振荡，随后回复至平衡位置
  • 干接缝处的摩擦耗散了相当比例的输入地震能量——远超等效砂浆砌体
  • 多边形互锁几何将力同时分配到多个接触面上
  • 砂浆的缺失在功能上至关重要：刚性粘结会阻止耗能的微摇摆运动

另一项发表于《Engineering Structures》（2022）的有限元分析对马丘比丘城墙在模拟地震荷载下的响应进行了建模，确认多边形互锁相比矩形砌块排列产生了更有利的应力分布 [4]。多样化的接触角度形成了结构冗余——当某一接缝开始滑移时，具有不同方位的相邻接缝会抵抗该运动，防止级联失效。

这是一种与现代抗震工程根本不同的抗震哲学。现代方法通常依赖延性钢筋来吸收能量，而印加方法——刚性单元配合经调谐的摩擦界面——更接近于基础隔震系统，后者直到20世纪70年代才在现代实践中被正式提出。剑桥大学和苏黎世联邦理工学院等多个研究团队目前正在探索受此原理启发的、具有工程化摩擦界面的模块化建筑体系。

斯里兰卡比索科图瓦：2300年前的减压阀

比索科图瓦（僧伽罗语：බිසෝකෝටුව，“阀室”）或许是工程史上最被低估的水利发明。蒂萨韦瓦，公元前3世纪建于阿努拉德普勒的古代水库 蒂萨韦瓦水库，阿努拉德普勒（公元前3世纪）。照片：Wikimedia Commons (CC BY-SA)

由僧伽罗工程师最早于公元前3世纪开发，并在瓦萨巴王（公元67-111年）时期得到广泛记载，它解决了一个困扰各地大坝工程师的难题：如何从大型水库中泄水，同时避免高压出流冲蚀坝基而导致灾难性溃坝 [5]。

设计方案是在大坝最深处——即静水压力最高处——设置一个石衬砌腔室（约8m × 8m）。水从底部闸门进入，然后通过一系列内部隔室逐级降低静水压力，实现逐步能量耗散——类似于现代的多级减压阀。每个隔室充当消力池，将动能转化为湍流和热能，再将水流导入下一级。下游出口以可控、非侵蚀性的流速输出水流。

这项技术的意义在于其部署规模。斯里兰卡古代王国在全岛干旱区建造并维护了约16,000-30,000座水库（wewa），其中许多配备了比索科图瓦系统 [5, 6]。卡拉韦瓦（5世纪）和帕拉克拉马海等大型设施为整个农业区域提供灌溉。这些水库中的许多在1500-2000年后仍在运行——这一工程精度与服役寿命令现代基础设施相形见绌。

计算材料科学的启示

对于从事AI驱动材料发现的研究者而言，这些古代系统提供了一些具体价值：它们是组成-结构-性能空间中现代高通量筛选尚未探索区域的实验数据点。

以罗马火山灰质混凝土为例。罗马配方——特定铝硅比的火山灰、生石灰、海水——占据了胶凝材料组成空间中的一个点位，因抗压强度低而被现代配方体系基本忽视。但若将优化目标从"最大抗压强度"重新定义为"最大海洋耐久性"或"自愈合能力"，该组成空间中的这个点就成为值得系统研究的局部最优解。这恰恰是贝叶斯优化和主动学习方法所擅长的多目标优化问题：古代配方提供了经验验证的锚点，可以为周边组成空间的计算探索提供种子。

一系列研究已经开始将机器学习应用于古代材料分析。2023年《Journal of Archaeological Science: Reports》的一篇系统综述梳理了随机森林、支持向量机和神经网络在陶瓷产地鉴定和基于成分数据的材料性能预测中的应用 [7]。另有研究表明，在化学成分向量上训练的卷积神经网络以94%的准确率（跨20余个产地类别，留一法交叉验证）对古代陶瓷进行了产地分类——本质上是在组成-产地空间中求解了一个逆问题 [8]。

下一步的逻辑延伸——也是多个研究组正在探索的方向——是不再仅仅将古代配方视为考古文物，而是将其作为现代材料设计的训练数据。如果古代建造者数百年的经验优化收敛到了特定的组成-性能关系，那么这些关系编码了机器学习模型可以提取和泛化的物理约束。对于任何在Materials Project或AFLOW等材料数据库上构建代理模型的研究者而言，古代材料数据代表着一个尚未充分开发的真实观测来源——它们位于现代合成几乎未曾涉足的组成空间区域。

参考文献

  1. Jackson, M.D., Mulcahy, S.R., Chen, H., Li, Y., Li, Q., Cappelletti, P., and Wenk, H.-R. “Phillipsite and Al-tobermorite mineral cements produced through low-temperature water-rock reactions in Roman marine concrete.” American Mineralogist 102(7): 1435–1450 (2017). Link

  2. Seymour, L.M., Maragh, J., Sabatini, P., Di Tommaso, M., Weaver, J.C., and Masic, A. “Hot mixing: Mechanistic insights into the durability of ancient Roman concrete.” Science Advances 9(1): eadd1602 (2023). Link

  3. University of Cambridge. “How Incan walls survived centuries of earthquakes.” Cambridge Research News (2022). Based on research by Suter and Girolami. Link. See also: Smithsonian

  4. “Finite element analysis of dry-stone Inca walls under seismic loading.” Engineering Structures (2022). ScienceDirect

  5. Brohier, R.L. Ancient Irrigation Works in Ceylon. Ceylon Government Press. See also: “Hydraulic engineering of the ancient Sri Lankan kingdom of Anuradhapura,” Wikipedia. Link

  6. Panabokke, C.R. “Water Management in Ancient Sri Lanka.” In: Small Water Bodies of Sri Lanka, Springer (2009). Link

  7. “Machine learning approaches in archaeometry: A systematic review.” Journal of Archaeological Science: Reports (2023). Link

  8. “Deep learning for ancient ceramic classification.” Nature Scientific Reports (2023). Link

本文由 AaBot 基于实时网络与文献研究自动生成。