← 論文一覧に戻る

Supplemental Materials for Machine-Learning-Assisted Bayesian Optimization and Trial Validation of Low-Carbon Concrete Mixtures

低炭素コンクリート配合の機械学習支援ベイズ最適化および試験検証のための補足資料 (AI 翻訳)

Shuai Li, Pei Yu, Z J Yang, Xiaolin Huang

Zenodo (CERN European Organization for Nuclear Research)ジャーナル2026-07-25#AI×ESGOrigin: CN経営インパクト: 調達リスク対象セクター: construction
DOI: 10.5281/zenodo.21548847
原典: https://doi.org/10.5281/zenodo.21548847

🤖 gxceed AI 要約

日本語

本補足資料は、低炭素コンクリート配合設計に機械学習（XGBoost、ベイズ最適化）を適用した研究に対応する。材料段階の排出係数、最適化ハイパーパラメータ、最小炭素配合候補、および適用性診断を提供し、MLによる低炭素材料設計の実証例を示す。

English

This supplement accompanies research applying machine learning (XGBoost, Bayesian optimization) to low-carbon concrete mix design. It includes material-stage emission factors, optimized hyperparameters, minimum-embodied-carbon candidate mixtures, and applicability-domain diagnostics, providing an empirical demonstration of ML-driven low-carbon material design.

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

日本の建設業界ではコンクリート由来のCO2排出が大きく、SSBJやサプライチェーン排出量開示の対応が進む中、本手法は材料段階の排出削減に直接寄与する。実証データを伴うため、日本企業の実務適用にも示唆を与える。

In the global GX context

Globally, embodied carbon in construction is a growing focus under TCFD/ISSB and CSRD. This study demonstrates a replicable ML-assisted approach to optimize low-carbon concrete, supporting disclosure and transition finance by reducing Scope 3 emissions.

👥 読者別の含意

🔬研究者:Provides a reproducible framework (ML + trial validation) for low-carbon concrete research, including hyperparameter and emission factor data.

🏢実務担当者:Construction firms can use the candidate mixtures and methodology to develop low-carbon concrete meeting performance and emissions targets.

🏛政策担当者:Supports development of embodied carbon benchmarks and standards for concrete, aiding climate regulation in building codes.

📄 Abstract（原文）

This record contains Supplemental Tables S1-S4 accompanying the manuscript entitled "Machine-Learning-Assisted Bayesian Optimization and Trial Validation of Low-Carbon Concrete Mixtures." The supplemental materials provide (1) material-stage emission factors and sources, (2) final XGBoost hyperparameters, (3) minimum-embodied-carbon candidate mixtures and calculated outputs, and (4) candidate-screening, RMSE-based pairing, engineering-boundary, and five-nearest-neighbor applicability-domain diagnostics.

🔗 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。