廃アルミニウム繊維で補強したコンクリートの曲げ強度を予測するハイブリッド機械学習アプローチ

廃金属を強靭なコンクリートに変える

毎年、工場や家庭から缶や電線、加工くずといった大量のアルミニウム廃材が発生します。多くは安全に処分するのが難しい一方で、アルミニウムは軽く強く耐久性があります。本研究はひとつの簡潔な問いを扱いますが、その示唆は大きいです：厄介な廃材を細い繊維に加工してコンクリートに混ぜれば、環境負荷を低減しつつ、曲げや亀裂に対する耐性を高められるか？さらに、新しい材料の強度をスマートなコンピュータモデルで予測できるか？

なぜ曲げ強度が重要か

コンクリートは圧縮荷重に対しては非常に強いものの、曲げには弱いという性質があります。道路や床、橋桁、滑走路などは、破壊が圧壊ではなく曲げや亀裂から始まることが多いです。繊維を加えることで、亀裂が入り始めても材料を引き止め、延性を改善できます。本研究の研究者たちは使用済み飲料缶やその他のくずから切り出した廃アルミニウム繊維に着目しました。これらを体積比で1%から5%までの範囲でコンクリートに混ぜ、小梁の曲げ抵抗を試験しました。その結果、明確な最適点が見られました：およそ3%の繊維含有量で最も高い曲げ荷重を示し、亀裂はより細かく制御された形で発生しました。それを超えると、繊維が凝集してフレッシュコンクリートの作業性を低下させ、逆効果になることが分かりました。

強度を予測する賢い方法の構築

廃繊維を使ったコンクリート設計は、単に繊維割合を推測するだけでは済みません。セメント、水、砂、骨材、特殊粉末、養生時間、繊維含有量など多くの成分が複雑に相互作用します。試行錯誤を越えるため、研究チームは自らの実験と先行研究から得た195件の試験結果をデータセットとしてまとめ、アルミ廃繊維を含むすべての事例を対象にしました。その上で、8つの基本的な混合・養生変数から曲げ強度を予測するために、3種類の機械学習モデルを学習させました：ランダムフォレスト（多数の決定木を平均化する手法）、極端勾配ブースティング（XGBoostなどのモデル）、そして脳細胞の結びつきに触発された人工ニューラルネットワークです。それぞれのモデルはデータ中の異なるパターンを捉えるのに長けています。

モデルを結合しブラックボックスを開く

単一の「最良」モデルを選ぶ代わりに、研究者たちはこれらを積み上げ（スタッキング）ました。このハイブリッド手法では3つのモデルがそれぞれ予測を出し、最終的な結合層がそれらをどのように重み付けするかを学習して最も精度の高い回答を導きます。このスタックシステムは曲げ強度を非常に高い精度で予測しました：学習データの変動の99%以上を説明し、未知のテストでは約96%を説明しました。さらに、単なる謎のブラックボックスに終わらせないために、SHAPと呼ばれる説明手法を用いました。この手法は、養生期間や骨材含有量など各入力変数が予測値にどれだけ寄与しているかを割り当てます。解析の結果、養生日数や骨材の割合が特に重要であることが示され、アルミ繊維の割合は有益ではあるものの、全体としては砂や骨材という荷重を担う固い骨格ほど大きな役割を果たさないことが明らかになりました。

混合物の中で何が最も重要か

説明結果を詳しく見ると、長い養生時間が一貫して曲げ強度を高めることが確認され、実務における遅く湿った養生の価値が裏付けられました。粗骨材と細骨材は合わせて重要な要素として浮かび上がり、その量と粒度バランスが曲げ時の亀裂の発生と進展を制御します。水とセメントはより微妙な影響を持ちます——水が多すぎるとペーストと骨材の結合が弱くなり、セメントが多すぎると材料が脆くなる可能性があります。廃アルミニウム繊維は亀裂をつなぎ、引張を担う能力を高める点で有益ですが、その効果は体積比で約3%までに限られます。それ以上では充填性や均一性が損なわれ、追加の補強の効果を相殺してしまいます。モデルの示唆は、設計時にエンジニアが目標とすべき骨材、セメント、水、繊維の実用的な範囲としてまとめられました。

実験室の知見からより環境配慮した構造へ

一般向けの要点は明快です：廃棄されたアルミニウムを有用な材料に転換し、コンクリートの曲げ抵抗を高めつつ埋立地への廃棄を減らし、新しい鋼繊維の必要量を抑えられる可能性があります。慎重な実験と透明性のあるマルチモデル学習システムを組み合わせることで、研究者たちは与えられた廃繊維コンクリート配合がどれほど強いかを予測し、その理由を説明できる一種の「計算機」を作り出しました。結果は、約3%の廃アルミ繊維を含む適切に設計された配合が曲げ強度を改善し、材料コストを削減し、環境負荷を低減できることを示唆します。これをより多くのデータで拡張・精緻化しスケールアップできれば、土木技術者が工業廃材を日常のインフラに自信を持って活用する手助けとなり、橋、舗装、床がより頑丈で持続可能になる可能性があります。

引用: Boursas, F., Boufarh, R., Altowaijri, Y. et al. A hybrid machine learning approach for predicting the flexural strength of concrete reinforced with waste aluminium fibres. Sci Rep 16, 10763 (2026). https://doi.org/10.1038/s41598-026-41961-x

キーワード: 廃アルミニウム繊維, 曲げ強度, 持続可能なコンクリート, 機械学習モデル, リサイクル建設材料