リサイクル骨材コンクリートの強度特性を予測するためのハイブリッド生成–アンサンブル手法

なぜこの研究が私たちの建造環境に重要なのか

コンクリートは現代生活の至る所にありますが、その製造には大量の砂、骨材、セメントを消費し、多量の二酸化炭素を排出します。こうした影響を減らす有望な方法の一つが、解体された古い構造物の破砕コンクリートを新しい建材として再利用することです。ただし、リサイクル骨材を用いたコンクリートは、新しい天然骨材で作ったコンクリートと同じ挙動を示すとは限りません。本研究は、こうしたより環境負荷の小さい配合の強度を、実際にテスト体を打設する前に現代のデータツールでエンジニアが予測できることを示しています。

瓦礫を資源に変える

建設・解体現場では毎年大量のコンクリート廃棄物が発生します。これらの瓦礫を埋め立て処分する代わりに破砕して骨材として再利用すれば、新しいコンクリートの内部骨格となる砂利の代替が可能です。天然の砂や石をリサイクル骨材に置き換えることで、枯渇しつつある天然資源を節約し、建設プロジェクト全体の環境負荷を低減できます。しかしリサイクル粒子は表面に古いセメントを残していたり、多孔質であったり、新しい混合物内で弱い接触面を作りやすかったりします。これらの特性はコンクリートの許容荷重を下げる可能性があり、設計者が高割合のリサイクル材の使用に慎重になる理由となっています。

過去の配合から学ぶ

この課題に取り組むため、研究者らは天然骨材とリサイクル骨材の両方を使った112種類のコンクリート配合データを収集しました。各配合について、水量、セメント量、砂、砕石、リサイクル材の含有量を記録し、さらに圧縮強度、分割引張強度、曲げ強度、剛性という4つの主要な結果を記録しました。112件というサンプル数は強力なデータモデルの学習には控えめなため、チームはまず条件付き変分オートエンコーダーという生成ツールを用いて、実データのパターンを模した数千件の合成配合を作成しました。この段階によって、モデルは現実的な組み合わせの幅広い例を学習でき、生成結果は実測値と照合されました。

さまざまなデータモデルを試す

次に研究チームは、配合成分から4種類の強度特性それぞれを予測するために、7種類の機械学習手法を比較しました。いくつかは直線関係を仮定する単純な線形モデルで、他はデータの複雑な挙動を捉えられるツリーベース手法やサポートベクター法などの柔軟なモデルでした。これらのモデルは入念な交差検証で訓練・評価され、評価時の各予測はモデルが見ていないデータで行われるようにし、最終的な得点付けのために実データの隠されたテストセットを別に確保しました。勾配ブースティングとサポートベクター回帰が明確に優れ、4つの特性すべてで高精度かつ安定した予測を示し、特にリサイクル含有量が高い場合に基本的な線形フィットや建築研究規範の標準式を上回りました。

ブラックボックスをのぞく

強力なデータモデルは、信頼され理解されて初めてエンジニアにとって有用です。そこで著者らはフィーチャーアトリビューションと呼ばれる手法を使い、予測に対して各成分がどれだけ影響を及ぼしているかを測定してブラックボックスを開きました。その結果、圧縮・引張・曲げにおける強度は主にバインダー側、すなわち水・セメント比とセメント量が主な駆動因子であることがわかりました。対照的に、剛性は主に骨材自体に支配され、特にリサイクル細骨材が強い影響を持つことが示されました。細かいリサイクル含有量が高いほど、これらの粒子は剛性が低く古い弱いモルタルを含むためコンクリートはより柔軟になりがちです。これらのパターンは長年の実験室観察と一致しており、モデルが単なるノイズでなく実際の物理挙動を学んでいるという信頼感を与えます。

スマートな予測からより賢い設計へ

簡潔に言えば、本研究はデータ駆動ツールが、瓦礫を含むより環境に配慮したコンクリート配合をエンジニアが素早くスクリーニングし、安全性と性能要求を満たしつつ選定するのに役立つことを示しています。研究は、特定の最新アルゴリズムが提案配合の強度と剛性を高精度で予測でき、水・セメント・骨材含有量のどの変更が最も影響するかを明らかにできることを示しました。現時点の結果は基礎となる研究に含まれる配合の範囲に限定されますが、データが増えれば同じワークフローを拡張できます。これにより、構造的信頼性を損なうことなく建設者がより持続可能なコンクリート選択を行える実用的な設計支援の道が開かれます。

引用: Awoyera, P.O., Simwanda, L., Vasić, M.V. et al. Hybrid generative–ensemble approach for predicting recycled aggregate concrete strength properties. Sci Rep 16, 15205 (2026). https://doi.org/10.1038/s41598-026-42598-6

キーワード: リサイクルコンクリート, 機械学習, 材料強度, 持続可能な建設, データ駆動設計