回収炭酸化再生骨材コンクリートの圧縮強度予測：回帰ベースの機械学習モデルの適用

古いコンクリートを気候の味方に変える

毎年、都市では大量のコンクリートが撤去され、破片は埋立地に送り込まれ、新たな骨材が採石場から採取されます。本研究はこの循環を閉じる一手を探ります：廃棄コンクリートを破砕して用い、二酸化炭素を固定化しつつ、最新の機械学習ツールで新しくより環境負荷の小さいコンクリートの強度を予測する方法です。気候配慮型の都市づくりやデータ活用に関心がある人にとって、本研究は人工知能が過去のがれきを使って安全で持続可能な建築を設計する手助けをできることを示しています。

なぜコンクリートの再利用が重要か

コンクリートは道路や橋、高層建築などあらゆる場所にあり、その生産は大量の天然資源とエネルギーを消費し、大量のCO₂を排出します。廃コンクリートを破砕して得られる再生骨材は、採石や埋立廃棄の負担を軽減できます。しかし問題もあります：再生骨材は通常、表面に残ったセメントペーストを含んでおり、天然骨材より多孔で弱い傾向があります。そのため再生骨材を用いた新しいコンクリートは強度や耐久性が劣ることがあり、構造安全性の観点から重要な課題になります。

CO₂で廃材コンクリートを強くする

この課題に対し、研究者たちは炭酸化に注目しました。炭酸化はCO₂を意図的に導入し、古いセメントペースト中の化合物と反応させるプロセスです。再生骨材内部でガスが固体の炭酸塩を形成し、空隙を埋め、微細なひび割れを閉じ、コンクリートを結びつける接触領域を強化します。これにより密度が上がり吸水率が下がるなど材料特性が改善するだけでなく、コンクリート内部にCO₂を固定化し、廃材を小規模な炭素貯蔵に変えます。本研究はこうした炭酸化再生骨材を用いたコンクリートに焦点を当て、重要な問いを立てました：無数の実験を行わずに、この環境配慮型コンクリートの強度を正確に予測できるか、という点です。

強度を予測するようコンピュータを教える

著者らは過去の実験から慎重に測定された108のコンクリート試料を集めました。それぞれについて、配合（セメントに対する水の比率、細骨材と粗骨材の量など）、骨材の品質（吸水率やすり潰し耐性）、元の「親」コンクリートの強度、再生骨材が吸収したCO₂量、天然骨材の置換率などを記録しました。これらの入力と得られた圧縮強度との関係を学習させるため、単純な直線モデルから決定木やアンサンブルまで複数の回帰系機械学習モデルを訓練しました。

複雑な配合を賢いモデルで解きほぐす

測定された多くの成分は強く相互に関連しており、従来の統計手法では混乱を招くことがあります。そこで研究チームは、関連する変数群をまとめて二つの複合指標を作成しました：配合の全体的な比率を表す指標と骨材性能を要約する指標です。次に、詳細な全データで訓練したモデルと、これらの簡潔な指標で訓練したモデルを比較しました。単純な線形アプローチはまずまずの結果を示しましたが、データに含まれる曲線的で絡み合った関係性には苦戦しました。これに対して、決定木ベースのアンサンブル手法（決定木、ランダムフォレスト、LightGBM）はこれらのパターンを高精度で捉え、典型的な予測誤差を約1メガパスカル前後に抑え、試験で観測された変動の99％以上を説明しました。

強い環境配慮型コンクリートにとって重要なこと

最も性能の良いモデルの“ブラックボックス”を解明するため、研究者らはSHAPという手法を用いて各入力が予測値をどれだけ押し上げたり下げたりするかを示しました。その結果、配合、特にセメント・骨材・水のバランスが強度を支配する主要因であることが明らかになりました。再生骨材の炭酸化度合いも重要だが非線形な影響を持ちます：一般により多くのCO₂処理は有益ですが、その効果は元の親コンクリートの品質に依存します。骨材性能の複合指標は中程度の影響を持ち、単に再生骨材の割合を増やすだけよりも、配合設計と処理が適切であることの方が重要であることが示されました。

実験データから実務設計へ

平たく言えば、本研究は炭酸化再生骨材コンクリートがレシピを慎重に調整すれば、気候配慮と強度の両立が可能であることを示しています。特に決定木ベースのアンサンブルモデルのような現代の機械学習は、配合と材料パラメータの限られたセットから強度を高精度で予測でき、あらゆる組合せについて毎回時間のかかる試験を行う必要性を減らします。技術者や計画者にとって、これにより古いコンクリートを再利用しCO₂を固定化しつつ厳しい安全基準を満たす構造物を設計することが実務的に現実味を帯びてきており、データ駆動のツールがその道を導くことを意味します。

引用: Gebremariam, H.G., Taye, S. & Tarekegn, A.G. Compressive strength prediction of carbonated recycled aggregate concrete using regression based machine learning models. Sci Rep 16, 5825 (2026). https://doi.org/10.1038/s41598-026-36197-8

キーワード: 再生コンクリート, 炭酸化, 機械学習, 圧縮強度, 持続可能な建設