機械学習を用いたサトウキビバガス灰を基にしたジオポリマーコンクリートの力学特性解析

農業廃棄物をより強く、よりクリーンなコンクリートへ

コンクリートは現代都市の基盤ですが、従来のセメント製造は大量の二酸化炭素を排出します。本研究は、サトウキビの加工から得られる灰という農業廃棄物を新しい種類のコンクリートの主要成分に転換することで、その汚染を削減する方法を探ります。また、機械学習を含む現代のデータツールが、技術者にこのより環境負荷の小さいコンクリートの強度を迅速に予測させる手助けになることも示しています。

なぜ新しいコンクリートが重要なのか

従来のコンクリートはポルトランドセメントに依存しており、その製造はエネルギー集約的で世界のCO₂排出量の大部分に寄与しています。近年、「ジオポリマー」コンクリートが有望な代替手段として注目されています。これはセメントに頼る代わりに、フライアッシュのようなシリカやアルミナに富む工業副産物をアルカリ溶液で活性化して用いるもので、この化学反応は硬く石のような結合材を生成し、強度や耐久性を損なうことなく排出削減率を22〜72%に抑える可能性があります。本研究の特徴は、フライアッシュの一部を製糖工場で大量に発生し埋立てや微粉塵として問題となっているサトウキビバガス灰で置き換える点にあります。

サトウキビ畑から建材へ

世界有数のサトウキビ生産国であるインドでは、毎年何百万トンものサトウキビバガス灰が発生します。化学的には、この灰は反応性の高いシリカや他の酸化物を多く含み、適切に扱えば従来のセメント添加材と同様の挙動を示す可能性があります。研究者らは地元からフライアッシュとサトウキビバガス灰を収集し、さまざまな割合で混合して標準的な砂と砂利と混ぜ合わせました。次に、ジオポリマー反応を誘発するために様々な濃度の水酸化ナトリウム溶液を添加して試験体を鋳造し、養生しました。主な目的は、圧縮、曲げ、引張の三つの主要な強度指標を満たしながら、フライアッシュをどれだけサトウキビ灰で置換できるかを評価することでした。

強度の最適点を見つける

研究チームはサトウキビバガス灰をフライアッシュの0〜50%まで置換した配合と、アルカリ溶液の強度を変えて試験しました。その結果、バガス灰の量と水酸化ナトリウム濃度の両方が性能に強く影響することが分かりました。特に成功した配合はサトウキビ灰30%と中高濃度の活性化剤を用いたもので、28日後にこの混合物は約47メガパスカルの圧縮強度を達成し、構造用途に必要な範囲内にあり、バガス灰を含まない対照混合物より高い値を示しました。曲げ試験や分裂試験でも同様の上昇傾向が見られましたが、灰含有量が最も多い場合には強度が頭打ちになるかやや低下する傾向がありました。これらの結果は、内部の結合構造を強化するのに十分なバガス灰を含めつつ、過剰な含有による多孔化や不完全反応で材料が弱まらない最適なバランスが存在することを示唆しています。

アルゴリズムにコンクリートを学ばせる

実験室でコンクリートの強度を測定することは、特に灰の種類、置換率、化学濃度など多くの変数が同時に変化する場合、時間とコストがかかります。このプロセスを加速するために、研究者らは配合設計から強度を予測するために三種類の機械学習モデル――人工ニューラルネットワーク、ランダムフォレスト、XGBoost――を訓練しました。ニューラルネットワークは訓練データにはよく適合しましたが、新しいデータに対しては精度が落ち、過学習の典型的な兆候を示しました。強力なブースティング手法であるXGBoostは訓練セットではほぼ完璧でしたが、テストケースで精度が低下しました。ランダムフォレストは未見データに対しても高い予測力を維持し、三つの強度指標すべてで最も実用的かつ信頼性の高い選択となりました。

より環境に優しい建築のために何を意味するか

本研究は、かつて廃棄物と見なされていたサトウキビバガス灰が、高性能ジオポリマーコンクリートの価値ある材料となり得ることを示しています。適切な混合比と活性化剤濃度であれば、この灰は埋立て地への廃棄を減らし炭素排出量を削減するだけでなく、従来の混合物と同等かそれ以上の強度を発揮します。これらの環境配慮型配合を強力な機械学習モデルと組み合わせることで、技術者は配合設計から迅速に強度を推定でき、開発期間の短縮や試験コストの削減が期待できます。一般の読者への簡潔な結論は明確です：農業の残渣と賢いアルゴリズムが協力すれば、未来の都市のためによりクリーンで強固な構造物を築くことができるのです。

引用: Pratap, B., Kumar, S., Gupta, K.K. et al. Mechanical properties analysis of geopolymer concrete based on the sugarcane bagasse ash using machine learning. Sci Rep 16, 14485 (2026). https://doi.org/10.1038/s41598-026-44848-z

キーワード: ジオポリマーコンクリート, サトウキビバガス灰, 持続可能な建設, 機械学習, フライアッシュ