Clear Sky Science · ja

アンサンブル回帰モデルによるアルカリ活性化コンクリートの熱による強度低下の評価

· 一覧に戻る

コンクリートの“熱”が重要な理由

建物が大規模な火災に見舞われたとき、コンクリートの強度は倒壊を免れるかどうかを左右します。技術者たちは現在、発電所のフライアッシュや製鋼から出る高炉スラグなど産業副産物を再利用する、より環境に優しい「アルカリ活性化コンクリート」に注目しています。これは従来のセメントよりも高温に強い性質を示すことが多い一方で、実際に炉であらゆる配合を試すのは時間と費用がかかります。本研究は、過去の実験データから学習して、この環境配慮型コンクリートが極端な温度暴露の後にどれだけ強さを保つかを迅速に予測できることを示します。

より環境負荷の低いコンクリート

アルカリ活性化コンクリートは、通常のセメントの多くを発電所のフライアッシュや製鋼副産物の高炉スラグ、粉砕した廃ガラスなどで置き換えます。この置換により炭素排出量が削減され、廃棄物に再利用価値が与えられます。内部のゲル状結合体の構造が異なるため、加熱に対して耐性が高くなることが多いです。しかし、火災時の挙動は配合の粉体比率、活性化剤の種類と濃度、養生の温度と時間、さらには後に受ける最高温度といった細かな条件に非常に敏感です。その複雑さのため、第一原理だけで火災後にどれだけ強度が残るかを予測するのは難しいのです。

Figure 1
Figure 1.

データにパターンを学ばせる

研究者らは、フライアッシュとスラグで作られ、一部が廃ガラス粉で置き換えられた371個のコンクリート立方体の詳細なデータセットをまとめました。各立方体の配合、養生条件、そして室温から1000 °Cまでの範囲で後に与えられた加熱温度が記録されています。単純な式に頼る代わりに、チームは5種類の教師あり機械学習手法に注目しました。これらのアルゴリズムは、入力(配合比、養生温度と時間、加熱レベル)と出力である残存圧縮強度との間のパターンを探します。

どのデジタル“予測器”が有効か

研究では、基本的な決定木と、多数の単純なモデルを組み合わせて信頼性の高い予測を行うアンサンブル法を比較しました。用いられた手法にはバギング、AdaBoost、ランダムフォレスト、そしてExtreme Gradient Boosting(勾配ブースティング)が含まれます。研究者らは慎重な交差検証を行い、ある配合でモデルを訓練し、全く異なる配合でテストすることで実運用を模擬しました。すべての中で勾配ブースティングモデルが最も優れ、高い一致度と最小の平均誤差を示し、ランダムフォレストがそれに続きました。一方で、単純な線形手法は、組成や温度に伴う曲線的で非線形な強度変化を捉えることができませんでした。

配合内部で本当に重要なものを見つける

単純な精度以上に、研究者たちはどの成分や処理が加熱時の性能を本当に左右するかを明らかにしたいと考えました。相関の解析や、各入力変数がモデルの予測をどれだけ変動させるかを示す解釈可能性ツールを用いて評価しました。その結果、養生温度、養生時間、アルカリ活性化剤の濃度が加熱後に残る強度を支配する主要因として浮かび上がりました。一方、粗骨材の量やわずかな含水量の変化は影響が小さいことが示されました。解析は既知の物理過程とも整合し、中程度の養生は密な結合ネットワークの形成を助ける一方で、過度の熱やアルカリ含有は材料を脆くし、後に温度が1000 °Cに近づくにつれて亀裂が入りやすくなることを反映しています。

Figure 2
Figure 2.

試験室から設計ツールへ

簡潔に言えば、本研究は分散した炉試験結果を実用的な設計支援ツールに変えます。アンサンブルモデルは訓練された迅速な助言者のように働き、提案されたグリーンコンクリートの配合が重大な火災でどのように振る舞うかを、数百の新しい試料を作って加熱することなく推定できます。どの変数が重要かを示すことで、養生方法や薬剤投与量について技術者により賢明な選択を促します。このアプローチは詳しい実験や建築基準を置き換えるものではなく、他の材料や条件へ適用範囲を広げる必要がありますが、試行錯誤の実験を大幅に減らしながら、より安全で耐火性が高く持続可能なコンクリート構造を設計するための強力な一歩を提供します。

引用: Deepti, Y., Kumar, S., Bandyopadhyay, A. et al. Assessment of thermally induced strength loss in alkali-activated concrete through ensemble regression models. Sci Rep 16, 14475 (2026). https://doi.org/10.1038/s41598-026-44193-1

キーワード: アルカリ活性化コンクリート, 耐火材料, 機械学習, 圧縮強度, 持続可能な建設