高温下におけるクラムラバーコンクリート強度の実験および機械学習評価

古いタイヤをより安全な建物へ

世界中に山積みになる使い古しの自動車用タイヤは、埋立地を圧迫し、発火リスクも抱えています。有望な解決策の一つは、これらのタイヤを細かく粉砕してコンクリートに混ぜることで、天然の砂の代わりに廃棄物を再利用した建物や道路をつくることです。本研究は、こうしたクラムラバーコンクリートが火災時のような高温にさらされたときにどのように振る舞うかを調べ、すべての配合を実験で検証することなくエンジニアが強度を予測できるよう現代的な計算手法の有用性を示します。

廃棄物の山からコンクリート混合物へ

研究者たちはまず、コンクリート内のタイヤゴムが魅力的である一方で扱いにくい理由を検討します。ゴム粒子はコンクリートを軽くし、衝撃吸収性や破壊に対する靭性を高める可能性があります。しかしゴムは硬化したセメントペーストと良く結合しないため、材料強度を低下させます。この弱い結合とゴム周辺の余分な空隙が、荷重支持力や引張時のまとまりを減らす傾向にあります。これまでの研究は多くのゴム配合を試してきましたが、異なる温度や養生条件下での性能を確実に予測する明確で信頼できる方法はまだ確立されていませんでした。

試験室でゴムコンクリートを加熱する

この課題に対処するため、チームは細骨材の一部をクラムラバーで10、20、30％置換した複数のコンクリート配合を作製しました。円柱試料を成形して養生後、200℃までの異なる温度に曝し、圧縮試験と割裂試験で圧縮強度と引張強度を測定しました。予想どおり、室温での強度はゴムの添加量が増えるほど低下しました。これはコンクリートの密度が下がり、ゴム粒子が内部骨格で弱い接点を作るためです。加熱は多くの場合状況を悪化させました：ゴムが分解・膨張し始めると微小な空隙や微裂傷が増え、特にゴム含有量の高い配合で強度がさらに損なわれました。

コンピュータに強度を教える

新しい試験に頼るだけでなく、研究者たちは既存の研究で報告された1000を超えるゴムコンクリート配合の大規模データベースを作成しました。各配合について、セメントや補助材料、ゴム含有量、水分量、養生温度、養生日数といった成分と、測定された圧縮強度・引張強度を記録しました。次に、これらの配合と得られた強度の関係を学習させるために9種類の機械学習モデルを訓練しました。XGBoost、Light Gradient Boosting、そして多層パーセプトロンと呼ばれる種類のニューラルネットワークなどの高度な手法が最も正確な予測を示し、圧縮および引張の実測値とよく一致しました。

どの成分がより重要かを可視化する

これらのデジタル予測を理解しやすくするため、チームは各入力が最終予測にどれだけ寄与したかを割り当てる解釈手法を用いました。その結果、細骨材のどれだけをゴムで置換したか、水セメント比（セメントに対する水量）、およびコンクリートの経過日数が圧縮強度と引張強度に最も大きく影響する要因であることが明らかになりました。細骨材のゴム置換率は特に顕著で、配合内の微小粒子の変化が材料挙動に大きな影響を及ぼすことを裏付けています。シリカフュームなどの他の添加剤も有益でしたが影響は相対的に小さく、研究対象の範囲内では養生温度の寄与は統合データベースでは予想より小さいものでした。

より環境配慮した建設への示唆

一般向けの要点は、タイヤを細断してコンクリートに使うことは廃棄物削減に資する一方で、特に高温にさらされると通常は強度を低下させるということです。本研究は、エンジニアが特定の配合と温度に対して期待できる強度を正確に把握すれば、この損失を管理できることを示しています。慎重な実験と強力なコンピュータモデルを組み合わせることで、クラムラバーコンクリートの性能を迅速に推定するツールが提供され、日常荷重と潜在的な火災の双方に耐える建築物での安全な設計と再生資材の賢い活用を導きます。

引用: Alameri, M., Alsulami, B.T. Experimental and machine learning evaluation of crumb rubber concrete strength at elevated temperatures. Sci Rep 16, 15616 (2026). https://doi.org/10.1038/s41598-026-44147-7

キーワード: クラムラバーコンクリート, 廃タイヤリサイクル, 高温, 機械学習モデル, コンクリート強度