超高性能コンクリートの圧縮強度予測における機械学習モデルの比較
Comparative machine learning models for predicting the compressive strength of ultra-high-performance concrete
超高性能コンクリート(UHPC)の圧縮強度予測において、5つの機械学習アルゴリズム(Extremely Randomized Trees, Light Gradient Boosting Machine, Extreme Gradient Boosting, CatBoost, Artificial Neural Network)の予測性能を比較した研究。包括的な実験データベースを用いて訓練と検証が行われた。その結果、CatBoostが最も高い予測性能を示し、決定係数(R2)は0.90超、二乗平均平方根誤差(RMSE)は約4.5 MPa、平均絶対誤差(MAE)は約3.6 MPaであった。しかし、圧縮強度180 MPa以上の混合物では誤差が大きくなり、系統的な過小評価が見られた。これは、データベース内の超高強度サンプルの数が限られているためである。SHAP、ICE、PDPなどの説明可能なAI技術を用いて、主要な変数とその寄与が特定された。この研究は、解釈可能な機械学習がUHPC混合物の予備評価を支援できることを示している。
- UHPCの圧縮強度予測で5つの機械学習アルゴリズムを比較し、CatBoostが最高の予測性能(R2>0.90、RMSE約4.5MPa、MAE約3.6MPa)を示した
- 圧縮強度180MPa以上の超高強度領域では系統的な過小評価が発生し、データベース内の超高強度サンプル数が限られていることが原因と判明した
- SHAP、ICE、PDPなどの説明可能なAI技術を用いて主要変数とその寄与を特定した
本記事はUHPC(超高性能コンクリート)の圧縮強度予測に機械学習を適用した研究であり、CatBoostが最高精度(R2>0.90)を示した。材料開発における機械学習応用は、新材料の性能予測と最適配合探索を効率化する点で materials 領域の投資テーマに関連する。ただし、これは学術的な比較研究であり、特定企業の製品や具体的な事業展開に直結するものではない点に留意が必要。