実験データベース、モデリング、および統計検証によるRCAコンクリートの物理指導型機械学習フレームワーク

古いコンクリートを新たな資源に変える

毎年、取り壊された建物や道路から出る何十億トンもの壊れたコンクリートが廃棄物として扱われていますが、その多くは再利用可能です。本研究は、慎重な実験室試験と現代の機械学習を組み合わせて、その瓦礫を信頼できる新しいコンクリートに変える方法を探ります。目的は、安全性を損なうことなく建設をより持続可能にすることであり、どのくらいの再生材を、どのような条件で使えるかを明確に学ぶことです。

コンクリート再利用が簡単でない理由

再生骨材は古いコンクリートを破砕して、通常新規の工事で採取される砂利や砂の代わりに使える小片にしたものです。これを使うことで廃棄物、採石、輸送に伴う排出を削減できます。しかし、再生骨材には旧モルタルの付着や微細なひび割れが残っているため、天然岩石より多孔質で不均一になりがちです。その結果、再生骨材を用いたコンクリートは強度が低下し、予測が難しくなります。技術者は、再生骨材の量、粒径、品質が新しいコンクリートの強度にどう影響するかについて、明確で信頼できる指針を必要としています。

豊富な実験的画像を構築する

これらの問いに答えるため、研究者らは極めて包括的なコンクリート配合試験を実施しました。再生材は、非常に弱いものから構造用として強いものまでの6つの元材強度クラスから採取され、三つの粒度帯（細粒、中粒、砂利サイズ）に分けられました。これらを天然骨材の10％から50％まで置換し、水セメント条件は一定に保ちました。各配合について、圧縮強度（圧縮に対する耐性）、分裂引張強度（引張挙動）、曲げ強度（たわみ挙動）を測定しました。全試験を通して、再生骨材の割合が増えると強度は一貫して低下しましたが、その低下量は粒径と元のコンクリートの品質に大きく依存しました。細かい再生粒子は旧モルタルや空隙が多く、強度低下を最も招き、一方で粗い砂利サイズの粒子はダメージが小さい傾向がありました。

安全な限界と主要な影響因子の発見

実験結果は実務に役立つ設計ルールを明らかにしました。元材が低強度の再生材を用いると、天然骨材の30％置換で圧縮強度・引張強度ともに二桁パーセントの損失につながり、特に細粒を使う場合に顕著でした。これに対して、元材が高強度のコンクリート由来の再生骨材では、30％置換時の強度低下は小さく、構造用途として許容できる性能が維持されました。多くの系列で一貫した“転換点”が観察されました：再生骨材が10％または20％では概ね良好な強度を保ちますが、約30％を超えると、特に元材が弱く粒子が細かい場合に顕著な低下が見られます。これらの傾向は先行研究と一致しており、すべての再生骨材が同じではなく、品質と粒径が重要であることを示しています。

物理を尊重する機械学習の教育

無限の実験を行うことは現実的でないため、研究チームは未試験の組み合わせに対する強度を予測するために機械学習を利用しました。生データだけを与えるのではなく、彼らは「物理指導型フレームワーク」と呼ぶ手法を導入しました。まず、試験結果を注意深くクリーンアップ・整理し、その後、混合パラメータや強度を実験室の通常のばらつきを反映する狭い現実的な範囲でわずかに変化させることで追加の“合成”データ点を作成しました。次に、試験間のギャップを埋める高度なオーバーサンプリング手法を使用しましたが、物理的に妥当な方向に沿ってのみ行いました。こうして強化されたデータセットで、XGBoostとLightGBMという二つの代表的なアンサンブルモデルと、技術者が使いやすい形で主要な傾向を要約する単純な線形代理方程式を学習させました。

予測の精度はどれほどか

一度学習させると、モデルは全く見たことのない試験配合で評価されました。圧縮強度と引張強度の予測は測定値とよく一致し、誤差は繰り返しの実験で見られる範囲内に収まりました。特に引張強度の予測精度が高く、再生骨材割合の増加に伴う劣化パターンがより滑らかで捉えやすかったためです。重要な点として、著者らは再生材割合の増加に伴う強度低下が統計的な偶然でないことを確認しました：標準的な統計検定により、これらの傾向は強く高度に有意であることが示されました。物理指導型データ拡張の有無でモデルを比較すると、指導型アプローチは多少目を引くほどの精度スコアを犠牲にするものの、特に高置換でデータが疎な領域においてははるかに安定的で現実的な挙動を示しました。

より環境配慮した建設にとっての意義

平たく言えば、本研究は機械学習を用いて、基礎にある物理を軽視することなく、再生材を利用したより環境に優しいコンクリート配合を設計できることを示しています。研究は、特に元のコンクリートが強く粗めの粒子を含む高品質な再生骨材であれば、天然骨材のかなりの割合を安全に置換できることを確認しています。同時に、機械学習が既知の限界や傾向を尊重することで実世界の挙動に根ざし続けられる方法も示しています。この種の物理認識型予測ツールは、技術者が配合設計に関するより良く、より迅速な意思決定を行うのを助け、再生コンクリートの導入拡大を支援しつつ構造の安全性と信頼性を維持するでしょう。

引用: Mohamud, M.A., Alasiri, M.R., Özdöner, N. et al. Physics-guided machine learning framework for RCA concrete by experimental database, modelling, and statistical validation. Sci Rep 16, 7907 (2026). https://doi.org/10.1038/s41598-026-38554-z

キーワード: 再生骨材コンクリート, 持続可能な建設, 材料分野の機械学習, データ駆動の配合設計, コンクリート強度予測