マイクロ波硬化ジオポリマーの圧縮強度予測のためのスタッキングアンサンブルベースフレームワーク
A Stacking Ensemble-Based Framework for Predicting the Compressive Strength of Microwave-Cured Geopolymers
本研究では、マイクロ波硬化ジオポリマーの圧縮強度を予測するための、解釈可能なスタッキングアンサンブル代理モデルを開発した。2010年から2025年までの文献から収集された235の観測データセットを使用し、アルミニウムケイ酸塩前駆体、活性剤濃度、硬化パラメータを網羅した。このフレームワークは、線形、カーネル、ツリーベースの基本モデルを線形メタ学習器で統合し、一般化性能を向上させている。従来のモデルとは異なり、異種研究間での信頼性を確保するためにソース認識検証を実装した。スタッキングアンサンブルは、決定係数(R2)0.957、RMSE 5.64 MPaを達成し、単独モデルを大幅に上回った。SHAPおよび部分依存プロットを用いた解釈可能性分析により、硬化時間、マイクロ波出力、試験片サイズが強度を支配する主要因であることが特定された。この研究は、スタッキングアンサンブルモデルが、調査されたパラメータ空間内での予備的な実験スクリーニングのための信頼性の高い統計的代理ツールとして機能することを示している。ただし、このフレームワークは独立した実験キャンペーンや工業規模のマイクロ波硬化条件に対して検証されておらず、展開検証済みの予測ツールではなく、文献ベースの代理モデルとして扱われるべきである。
本稿では、ジオポリマーの圧縮強度予測にスタッキングアンサンブル機械学習を適用した研究である。材料分野における機械学習活用(マテリアルズ・インフォマティクス)の事例であり、研究段階の文献ベース代理モデルに留まる。工業規模の検証や商用化には至っておらず、現時点で投資判断に直結する具体的な事業インパクトは見られない。