← 論文一覧に戻る

CPO-XGBoostを用いた石灰石煆焼粘土セメント圧縮強度のデータ駆動予測と低炭素最適化

Data-driven prediction and low-carbon optimization of limestone calcined clay cement compressive strength using CPO-XGBoost (原題)

Jinpeng Dai, Fanghui Lu, Riccardo Maddalena, Xuwei Dong, Yuhu Qi

Research Squareプレプリント2026-08-25#AI×ESGOrigin: CN経営インパクト: コスト削減対象セクター: construction
DOI: 10.21203/rs.3.rs-10684072/v1
原典: https://doi.org/10.21203/rs.3.rs-10684072/v1

🤖 gxceed AI 要約

日本語

本研究は、石灰石煆焼粘土セメント（LC3）の圧縮強度をCPO-XGBoost機械学習モデルで予測し、低炭素配合の最適化を図る。LC3はセメント製造のCO2排出削減に有効であり、建設分野の脱炭素に貢献する。データ駆動による材料設計は、持続可能な建設材料の普及を促進する。

English

This study uses CPO-XGBoost machine learning to predict compressive strength of limestone calcined clay cement (LC3) and optimize low-carbon mix designs. LC3 reduces CO2 emissions in cement production, contributing to construction decarbonization. Data-driven material design accelerates adoption of sustainable building materials.

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CO2削減が急務であり、LC3は有望な低炭素材料。本手法は材料設計の効率化を通じて、ゼロカーボン建築やインフラ整備に寄与し、サプライチェーン排出削減にも資する。

In the global GX context

Globally, cement production accounts for ~8% of CO2 emissions; LC3 is a key low-carbon alternative. This ML-driven optimization supports the construction sector's transition to net-zero, aligning with ISSB/CSRD disclosure requirements for embodied carbon.

👥 読者別の含意

🔬研究者:Highlights ML application in sustainable construction materials, offering a template for data-driven optimization in other low-carbon materials.

🏢実務担当者:Provides a tool for cement producers and construction firms to design cost-effective, low-carbon concrete mixes.

🏛政策担当者:Supports policies promoting low-carbon cement by demonstrating feasible optimization methods.

🔗 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。