低炭素コンクリートの強度予測のための機械学習：手法と動向
Machine learning for low-carbon concrete strength prediction: methods and trends (原題)
Zhijie Li, Zhongli Wang, Madoka Taniguchi
🤖 gxceed AI 要約
日本語
低炭素コンクリート（LCC）の圧縮強度予測に機械学習を適用した172件の査読論文を体系的にレビューした。文献計量分析と手法・材料面の変遷を整理し、単一モデルからアンサンブル学習・ベイズ最適化・多目的モデリングへの移行を明らかにした。補助セメント材料や再生材料を用いる系で特に進展が見られ、解釈可能MLや気候適応型モデリングが今後の課題として示される。
English
A systematic review of 172 peer-reviewed studies applying machine learning to compressive strength prediction of low-carbon concrete (LCC). Bibliometric and methodological analysis reveals a shift from single models to ensemble learning, Bayesian optimisation, and multi-objective modelling, especially for systems with supplementary cementitious materials and recycled constituents. Key challenges include interpretable ML, climate-adaptive modelling, and AI-assisted design frameworks.
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
建設分野の脱炭素はScope 3排出削減の重要領域であり、LCCの強度予測精度向上は低炭素材料の実用化を後押しする。日本では建設業のScope 3算定やグリーン調達基準の強化が進む中、材料レベルでの炭素削減と性能保証を両立する手法として、SSBJ開示やサプライチェーン対応に間接的に貢献しうる。
In the global GX context
Decarbonising construction materials is central to Scope 3 reduction strategies under TCFD/ISSB and CSRD. This review synthesises ML methods for predicting low-carbon concrete strength, supporting material substitution and embodied-carbon reduction. It offers global disclosure scholarship a methodological bridge between AI-driven material design and verifiable low-carbon construction claims.
👥 読者別の含意
🔬研究者:ML手法と低炭素材料の交差点における研究動向と評価枠組みを俯瞰できる。
🏢実務担当者:低炭素コンクリート採用時の強度保証とデータ駆動型品質管理の参考になる。
🏛政策担当者:建設分野の脱炭素を支える材料技術の標準化・評価基準策定に示唆を与える。
📄 Abstract（原文）
Low-carbon concrete (LCC) is an effective approach to reduce carbon dioxide emissions in construction while maintaining adequate compressive strength (CS). Machine learning (ML) methods have been increasingly applied to predict the CS of LCC; however, existing studies remain fragmented in terms of data sources, material systems, modelling strategies, and evaluation criteria. This review provides a systematic synthesis of 172 peer-reviewed studies on ML-based CS prediction of LCC. Bibliometric analysis is conducted to evaluate the representativeness of the literature database, followed by an examination of research evolution across methodological and material dimensions. Mainstream ML approaches are analysed with respect to modelling mechanisms, feature engineering, and performance evaluation, and qualitatively compared using a unified five-point scoring framework. The results reveal a clear shift from single-model approaches towards ensemble learning, Bayesian optimisation, and multi-objective modelling, particularly for systems incorporating supplementary cementitious materials and recycled constituents. Key challenges and future research directions are discussed, including interpretable ML, climate-adaptive modelling, and emerging artificial intelligence-assisted design frameworks, to support more robust and generalisable ML applications in LCC design.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.1680/jensu.26.00031first seen 2026-09-28 05:19:41
🔔 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。