← 論文一覧に戻る

石炭ガラと製鋼スラグ由来の低炭素アルカリ活性材料のためのソース認識機械学習ベンチマークとライフサイクルスクリーニングデータベース

A source-aware machine learning benchmark and life-cycle screening database for low-carbon alkali-activated materials from coal gangue and steel slag (原題)

Jicheng Du

Zenodo (CERN European Organization for Nuclear Research)データセット2026-08-24#AI×ESGOrigin: CN経営インパクト: コスト削減対象セクター: construction
DOI: 10.5281/zenodo.22079945
原典: https://doi.org/10.5281/zenodo.22079945

🤖 gxceed AI 要約

日本語

石炭ガラと製鋼スラグを用いた低炭素アルカリ活性材料の強度予測と炭素強度効率を評価するため、機械学習ベンチマークとライフサイクルスクリーニングデータベースを構築。237件の配合記録を収集し、Random ForestとXGBoostを複数の検証法で比較。180件のクレードル・トゥ・ゲート分析により、バインダーの炭素強度と強度-炭素効率を定量化した。

English

This study develops a machine learning benchmark and life-cycle screening database for low-carbon alkali-activated materials from coal gangue and steel slag. It compiles 237 mixture records, benchmarks Random Forest and XGBoost under various validation schemes, and quantifies binder carbon intensity and strength-carbon efficiency for 180 records via cradle-to-gate analysis.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本では、建設分野の脱炭素化が急務であり、産業副産物を活用した低炭素材料の開発は、カーボンフットプリント削減に寄与する。本データベースは、材料選定や配合設計の効率化に役立ち、日本の建設業界のGX推進に資する。

In the global GX context

Globally, the construction sector faces pressure to reduce embodied carbon. This work provides a transparent, source-aware dataset and ML benchmark that can accelerate the adoption of low-carbon binders, aligning with ISSB and CSRD disclosure requirements for embodied carbon reporting.

👥 読者別の含意

🔬研究者:Provides a reproducible ML benchmark and harmonized dataset for predicting strength and carbon intensity of alkali-activated materials.

🏢実務担当者:Offers a screening tool to evaluate low-carbon binder formulations, aiding in material selection for sustainable construction.

🏛政策担当者:Highlights the potential of industrial byproducts in reducing construction emissions, informing policies for circular economy and low-carbon building standards.

📄 Abstract（原文）

This repository contains the harmonized literature database, benchmark pipeline, and life-cycle screening tool supporting the manuscript "A source-aware machine learning benchmark and life-cycle screening for low-carbon alkali-activated materials from coal gangue and steel slag." The database includes 237 mixture records from 24 studies, of which 220 records report complete 28-day compressive strength values, each traced to its source DOI. Random Forest and XGBoost are benchmarked under random 80/20 split, 5-fold cross-validation, GroupKFold, and leave-one-paper-out validation. A cradle-to-gate screening of 180 records quantifies binder carbon intensity and strength-carbon efficiency.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。