ハイブリッド深層機械学習モデルによるジオポリマーコンクリートの二酸化炭素フットプリント予測

Prediction of the carbon dioxide footprint of geopolymer concrete using hybrid deep-machine learning models (原題)

Ceren Kına, Harun Tanyıldızı

Advances in Engineering Software📚 査読済 / ジャーナル2026-11-03#AI×ESG経営インパクト: 調達リスク対象セクター: construction

DOI: 10.1016/j.advengsoft.2026.104345

原典: https://doi.org/10.1016/j.advengsoft.2026.104345

🤖 gxceed AI 要約

日本語

ジオポリマーコンクリートのCO2フットプリントをハイブリッド深層機械学習モデルで予測する研究。配合や材料特性から炭素排出量を高精度に推定し、設計段階での脱炭素最適化を可能にする。建設分野のカーボン会計と低炭素材料選定を支援する手法を提示する。

English

This study applies hybrid deep-machine learning models to predict the CO2 footprint of geopolymer concrete. By estimating embodied carbon from mix design and material properties, it enables low-carbon optimization at the design stage. It offers a data-driven approach to carbon accounting and material selection 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

建設業のScope 3・ embodied carbon 算定はSSBJや有報のサプライチェーン開示で重要性が増す。AIによる材料炭素予測は国内ゼネコン・建材メーカーの削減目標設定に示唆を与える。

In the global GX context

Embodied-carbon accounting for construction materials is increasingly central to Scope 3 disclosure under ISSB/CSRD and green-building standards. ML-based carbon prediction supports design-stage decarbonization and supplier data gaps, relevant to global transition disclosure.

👥 読者別の含意

🔬研究者:AI×炭素会計の交差点で、材料物性からembodied carbonを予測する機械学習手法の実証例として参考になる。

🏢実務担当者:建材・建設の調達段階で低炭素配合を選定し、Scope 3算定の精度向上に活用できる。

🏛政策担当者:建設分野の炭素開示・低炭素建材基準の設計において、AI予測を算定インフラに組み込む示唆を得られる。

🔗 Provenance — このレコードを発見したソース

openalex https://doi.org/10.1016/j.advengsoft.2026.104345first seen 2026-11-05 05:20:26

🔔 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。