セクタ果実バエ最適化型極限学習機によるジオポリマー安定化粘土の無側限圧縮強度予測

環境負荷を抑えた強い地盤

世界中で、技術者は柔らかく粘土を多く含む地盤を道路や建物、盛土のしっかりした基礎に変える必要があります。従来は、多量の普通ポルトランドセメントを添加する手法が採られてきましたが、これは二酸化炭素排出の大きな原因です。本研究はよりクリーンな選択肢を探ります。産業副産物であるジオポリマーを使って粘土を強化し、多数の実験を行わずに処理土の強度を予測するために巧妙な人工知能を適用する方法です。

産業廃棄物を有用な結合材に変える

ジオポリマーは、粒状高炉スラグ（GGBS）やフライアッシュのようなアルミノケイ酸塩を豊富に含む粉体をアルカリ性溶液で活性化して作られる結合材です。粘土と混合すると、石のように硬いネットワークを形成し、高い強度、低い収縮、優れた耐久性を発揮すると同時に、従来のセメントよりもはるかに少ないCO₂排出で済みます。これまでの実験では、ジオポリマー安定化粘土の強度は配合によってほぼゼロから40メガパスカルを超える範囲まで達することが示されています。しかし結果は多くの要因に敏感に左右されます。粘土のもともとの可塑性、スラグや灰の添加量、アルカリ溶液の強さ、ナトリウム・ケイ素・アルミニウムなどの主要元素のバランスなどが影響します。

土の強度予測がこれほど難しい理由

実用的な配合を設計するには、特定のレシピが事前にどの程度の強度を示すかを知りたいものです。候補ごとに完全な実験室プログラムを実行するのは時間と費用がかかります。従来の統計式も、土質、ジオポリマーの組成、得られる強度の関係が高度に非線形であるため不十分です。ニューラルネットワークやサポートベクターマシンといった現代の機械学習ツールは予測を改善しましたが、詳細な調整が必要で、小規模データセットで過学習しやすく、どの成分が重要かを明確に示さない「ブラックボックス」になりがちです。

デジタル群れに導かれる賢い学習機

著者らは、異なる土質、結合材混合、アルカリ濃度、養生条件を含む過去の研究から270件の試験データを集めました。そして3つの関連する予測モデルを訓練しました。中核エンジンである極限学習機（ELM）は、高速なニューラルネットワークで、内部の多くの設定を逐次的な試行錯誤ではなく一回の解析的手続きで決定します。これらの内部設定をさらに洗練するために、研究チームは果実バエ最適化（fruit fly optimization）という、果実バエの採餌行動を模した探索ルーチンを組み合わせました。彼らの改良版であるセクタ果実バエ最適化では、仮想群れはランダムにさまようのではなく、等間隔のセクタで探索空間を系統的に調べるため、安定性が向上し、より速やかに良好な解に収束しやすくなります。

より良い予測と、重要因子の明瞭な把握

未知データで検証したところ、基本の学習機でも処理粘土が耐えられる圧縮強度（無側限圧縮強度）をかなり正確に予測しました。元の群れ探索を加えると精度はさらに向上しました。セクタベースの群れは最も良い性能を示し、ベースラインモデルと比べて予測誤差を約42％削減し、従来の果実バエ版と比べても約19％の改善を達成しつつ、一般的なノートパソコンで扱える程度の軽い計算負荷に収まりました。ほとんどの予測強度は測定値に近く、誤差の分布はモデルが訓練データを単に暗記するのではなく良好に一般化していることを示唆しました。

複雑なモデルを実務的な配合設計に翻訳する

「ブラックボックス」を解きほぐすため、研究者らはSHAP解析という手法を適用しました。これ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方法です。この解析により、スラグ含有量（GGBS）が強度向上に最も影響する単一の要因であること、粘土の可塑性や液性限界も主要な役割を果たすことが明らかになりました。過剰なフライアッシュや非常に高い可塑性などの特定の配合パラメータは強度を低下させる傾向があり、適切なアルカリ濃度やナトリウム対アルミニウム比はより穏やかな正の効果をもたらしました。これらの洞察と高精度の予測を組み合わせることで、セクタ果実バエ強化型学習機は、試験回数や環境負荷を減らしつつ強く安定した地盤を生むジオポリマー配合の指針として有望なツールになります。

引用: Abdellatief, M., mortagi, M. Predicting unconfined compressive strength of geopolymer-stabilized clays using a sector fruit fly–based extreme learning machine. Sci Rep 16, 12723 (2026). https://doi.org/10.1038/s41598-026-47208-z

キーワード: ジオポリマー安定化粘土, 土の強度予測, 地盤工学における機械学習, 持続可能な地盤改良, 極限学習機