Clear Sky Science · ja

SCM、バイオマス灰、グラフェンナノプレートレットを含む持続可能な高性能コンクリートのデータ駆動最適化

· 一覧に戻る

より暑くなる地球に向けたより環境負荷の低いコンクリート

コンクリートは現代生活を支えるが、普通のセメントは世界で最大級の産業由来二酸化炭素排出源の一つだ。本研究は、強度と耐久性を保ちながら気候影響を低減し、産業・農業廃棄物を再利用するようにコンクリートを再設計する方法を探る。著者らは火力発電所の灰、製鋼スラグ、焼成したココナッツ廃材、そして微小なグラフェン片を混合して新しい種類の高性能コンクリートを作り、機械学習と進化アルゴリズムを用いて配合を微調整した。

Figure 1
Figure 1.

廃棄物を建設材料へ

ほとんどを普通ポルトランドセメントに頼る代わりに、チームはそれを大部分置き換える三つの成分を用いる:石炭火力発電のフライアッシュ、製鋼由来の高炉スラグ粉末、そして廃棄されたココナッツ繊維を注意深く焼いて得た微粉灰。これらの粉体はセメントと反応し、その微視的な隙間を埋める働きをして、使用する新規クリンカー(したがってCO2)の量を減らす。さらに、超微小成分としてグラフェンナノプレートレット(厚さがナノメートルオーダーの薄い炭素フレーク)を加える。考え方は、廃棄物材料がナノからミリメートルスケールまで協調して機能するコンクリートをつくることだ。

繊維とフレークから密な内部構造へ

ココナッツ由来の灰は、反応性の高いシリカを豊富に含み、層状で粗い表面を持つように設計されている。これにより、硬化中のセメント中の石灰と反応しやすくなると同時に、グラフェンフレークの凝集を防いで均一に分散させるのに役立つ。フライアッシュとスラグはセメントの副生成物と徐々に反応して追加の結合ゲルを形成し、一方でよく分散したグラフェン片は新しい結晶の核点や微ひび割れを橋渡しする微小な架橋として働く。これらのプロセスが合わさることで、連通する空隙が少なく、砂利周辺の接触領域が強化されたより密な内部構造が生まれる。

Figure 2
Figure 2.

強度、耐久性、耐熱性の試験

研究者らは共通の構造等級を満たすよう設計した10種類のコンクリート配合を作り、新鮮時の作業性、7日および28日後の強度、水・塩化物浸透抵抗、300 °Cまで加熱した後の残留強度を試験した。最適化された一つの配合が際立った:28日で約55メガパスカルの圧縮強度に達し、従来の対照配合より約23%高く、塩化物透過性を約42%低減、水吸収を約40%低減した。加熱後でも元の強度の80%以上を維持し、熱安定性の向上を示した。顕微鏡観察では、この勝ち組配合は残留石灰が極めて少なく、緻密に詰まったゲル相を持ち、通常のコンクリートよりはるかに少ない微小空隙を示した。

アルゴリズムに配合探索を委ねる

実験室試験は遅く高価になりがちなので、チームは実験結果を基に複数の機械学習モデルを訓練し、迅速な「代理」試験者として使った。勾配ブースティング木(XGBoost)は特に強度予測に優れ、ランダムフォレストはトレードオフ探索において最も安定していた。これらのモデルを多目的最適化アルゴリズムに組み込み、強度の大きさ、塩化物透過性の低さ、埋め込まれたCO2の少なさ、合理的な材料コストといった四つの目標を同時にバランスさせる配合を現実的な範囲内で探索した。得られたパレート前線は、ある目標(例えば炭素削減)を改善すると、他の目標(コストや作業性など)が逆方向に動くことが避けられない配合群を明らかにした。

今後の建築にとっての意義

本研究は、工業副産物、バイオマス灰、ナノスケールの炭素を注意深く配合することで、標準的な配合よりも強く耐久性に優れ、セメント由来の炭素フットプリントを概ね半減できる一方で、材料コストの上昇と生産の複雑化を招くことを示す。実験室試験、微細構造解析、解釈可能な機械学習を組み合わせることで、定義された成分範囲内で環境効率の高いコンクリート配合を実用的かつ再現可能に設計する方法を示し、安全性や使用寿命を損なうことなく気候負荷の小さい建物・インフラにつながる方向性を示している。

引用: Anand, P., Singh, S.D., Pratap, S. et al. Data-driven optimisation of sustainable high-performance concrete incorporating SCMs, biomass ash, and graphene nanoplatelets. Sci Rep 16, 10657 (2026). https://doi.org/10.1038/s41598-026-45032-z

キーワード: 持続可能なコンクリート, 補助セメント材, バイオマス灰, グラフェンナノプレートレット, 機械学習による最適化