性能予測と機械学習応用のための超低炭素コンクリート実験データセット
Experimental Dataset of Ultra Low-Carbon Concrete for Performance Prediction and Machine Learning Applications (原題)
Suliman Khan, Safat Al-Deen, Chi King Lee
🤖 gxceed AI 要約
日本語
超低炭素コンクリート（ULCC）の65配合設計から得られた7090点の実験データセットを提示。フレッシュ性状、力学特性、耐久性、さらに内包炭素排出量（ECE）と内包エネルギー消費量（EEC）を網羅する。機械学習モデルによるULCCの性能予測と最適化の基盤を提供し、建設分野の脱炭素化に資する。
English
This dataset presents 7,090 experimental data points from 65 ultra-low-carbon concrete (ULCC) mix designs, covering fresh, mechanical, and durability properties plus embodied carbon (ECE) and energy (EEC). It provides a foundation for machine-learning-based prediction and optimization of ULCC, supporting decarbonization in construction.
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
建設業は日本のScope 3排出の主要部分を占め、資材由来の内包炭素管理はSSBJ・有報でのScope 3開示対応に直結する。ULCCの性能・炭素データは、建設会社やゼネコンの低炭素資材調達と開示エビデンスとして活用可能。
In the global GX context
Embodied carbon in construction materials is a growing focus under CSRD, ISSB, and green building standards. This open dataset enables ML-driven optimization of low-carbon concrete, supporting Scope 3 accounting and material-level disclosure in the built environment.
👥 読者別の含意
🔬研究者:ULCCの性能予測・最適化研究やMLモデル構築のための大規模実験データ源として有用。
🏢実務担当者:低炭素コンクリートの調達・仕様選定において、性能と内包炭素のトレードオフ評価に活用できる。
🏛政策担当者:建設資材の内包炭素規制やグリーン調達基準の策定に向けたエビデンス基盤を提供する。
📄 Abstract（原文）
This comprehensive experimental dataset is comprised of 65 ULCC mix designs, incorporating different proportions of ordinary Portland cement (OPC), ground granulated blast furnace slag (GGBFS), fly ash (FA), silica fume (SF), natural and recycled aggregates, superplasticiser, and an alkali activator. The dataset provides 7090 experimental data points obtained from 3.5 years of research focusing on different properties of ULCC. The reported dataset of ULCC is comprised of: (i) fresh state performance which includes slump retention values as well as initial and final setting times; (ii) the mechanical dataset includes compressive strength, indirect tensile strength, flexural strength, and elastic modulus at different curing ages; (iii) durability dataset includes abrasion resistance, chloride penetration, water absorption, and drying shrinkage; and (iv) embodied carbon emission (ECE) and embodied energy consumption (EEC) are provided for ULCC to study their sustainability benefits. This self-produced experimental dataset provides significant source for precise prediction and optimisation of ULCC using machine learning models and other predictive methods.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.17632/gz6xh68z3x.2first seen 2026-09-19 05:05:11
🔔 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。