遺伝子発現プログラミング（GEP）とランダムフォレストを用いたゴム混合コンクリートの機械的特性のモデリング：比較研究

廃タイヤを強く、より環境に優しい建築へ

毎年、数十億本ものタイヤが寿命を迎え、多くは埋立地や不法投棄場に廃棄され、火災や汚染のリスクを引き起こします。一方で、建設業界は大量の砂や砂利、エネルギーを消費し、気候変動への大きな寄与源になっています。本研究は、この二つの問題に同時に対処する方法を検討します：廃タイヤを粉砕してゴムをコンクリートに混ぜ、その新しい「ゴム混合」コンクリートの強度を無数の実験を行わずに予測するための高度な計算ツールを用いるのです。

なぜコンクリートにゴムを混ぜるのか？

コンクリートは現代インフラの基盤ですが、その原料、特にセメントや天然骨材の生産はエネルギー集約的で天然資源を枯渇させます。砂や砂利の一部を廃タイヤのゴム片で置き換えることで、一次資源の使用を減らし、廃タイヤの埋立処分を抑制できます。ゴム粒子は衝撃吸収、騒音低減、耐摩耗性や温度変化への耐性といった有用な特性をコンクリートに与えることもあります。しかし、一般にゴムを加えるとコンクリートのひび割れ抵抗や引張強度は低下しがちです。配合の変化ごとに強度がどれだけ低下または改善するかを正確に測るには、従来は多くの時間と費用を要する実験が必要でした。

過去の実験からコンピュータに学ばせる

あらゆる配合を手作業で試験する代わりに、研究者らは機械学習を用いました。機械学習はデータ中のパターンを見つける計算手法です。世界中の研究から得られた112件の実験データを収集し、いずれもゴム混合コンクリートを対象としたものです。各データ点は粗骨材・細骨材、チップ状および細粉状ゴム、超流動化剤と呼ばれる化学添加剤、水セメント比、コンクリートの経過日数などを含む配合情報を記述しています。各配合について、曲げ強度（梁が曲げに抵抗する能力）と分裂引張強度（引き裂かれにくさ）の二つの主要な特性が記録されました。この結合データベースを用いて、チームは二つの異なる機械学習モデルを並行して訓練し、どちらがこれらの強度をより正確に予測できるかを比較しました。

コンピュータの「考え方」は二通り

第一の手法である遺伝子発現プログラミング（GEP）は、生物の進化に似た仕組みで動きます。多数のランダムな数式から始め、突然変異や組換えを模倣して徐々にそれらを改良し、最終的に配合成分と強度を結び付ける人間にも読める方程式を生成します。第二の手法、ランダムフォレストは多数の決定木（単純なルールベースのモデル）を構築し、それらに「投票」させて予測値を決定します。ランダムフォレストはブラックボックス的に振る舞うことがありますが、往々にして高い精度を示します。両モデルは慎重にハイパーパラメータ調整され、未知の配合に対する予測と実験値を比較する標準的な統計指標で評価されました。

モデルがゴム混合コンクリートについて学んだこと

両アプローチともゴム混合コンクリートの全体的な挙動を捉えましたが、ランダムフォレストの方がより正確でした。未知のテストデータに対して、ランダムフォレストは曲げ強度と引張強度をほぼ完全な一致に近い相関で再現し、GEPを明確に上回りました。誤差解析では、ほとんどの予測が実測値に対して許容範囲内に収まっており、外れ値はごく一部でした。ブラックボックスを開くために、研究チームはSHAPというツールを用い、各成分が個々の予測にどれだけ寄与したかを示しました。これにより、曲げ強度には伝統的な骨材と水セメント比が強い影響を持ち、一方でゴムの量や種類、超流動化剤および水分量が分裂引張強度に重要な役割を果たすことが明らかになりました。一般的に、ゴム量や水量が増えると強度は低下しやすい一方で、骨材や添加剤のバランスを整えれば性能をある程度回復できることが分かりました。

今後の建設にとっての意義

専門外の読者にとって重要な結論は、廃タイヤを再利用したより環境に優しいコンクリートを、手探りではなく現実的に設計できるという点です。本研究は、特にランダムフォレストのような賢い計算モデルが、少数の容易に測定可能な入力だけで、ゴム混合コンクリートのひび割れや曲げ特性に対する配合変更の影響を信頼して予測できることを示しています。これにより、エンジニアは高価な試行錯誤の試験を減らし、廃棄物由来材料の採用を加速し、環境上の利点と安全性や耐久性とのバランスを考慮した配合指定をより確信を持って行えるようになります。長期的には、このようなツールが山積みの廃タイヤを安全な橋梁や路面、建築物へと生まれ変わらせ、廃棄物の山と建設業のカーボンフットプリントの双方を縮小する助けとなるでしょう。

引用: Sheraz, M., Talha, M., Alam, M. et al. Modeling mechanical properties of rubberized concrete using gene expression programming (GEP) and random forest: a comparative study. Sci Rep 16, 8714 (2026). https://doi.org/10.1038/s41598-026-40897-6

キーワード: ゴム混合コンクリート, 廃タイヤのリサイクル, 建設における機械学習, ランダムフォレストモデリング, 持続可能な材料