3Dプリントコンクリートの異方性圧縮強度を説明可能な機械学習（XML）で強化された複数のニューラルネットワークを用いて受動的に決定する

科学分野:

• 材料科学および工学
• 土木工学
• 建設における人工知能

背景:

• 3Dプリントコンクリート（3DCP）は、建設における速度や設計の柔軟性などの利点を提供します。
• 繊維や産業廃棄物を組み込むことで、3DCPのパフォーマンスと持続可能性が向上します。
• これらの複雑な3DCP混合物の圧縮強度（CS）を予測することは、従来の予測方法では困難です。

研究 の 目的:

• 3Dプリントコンクリート（3DCP）の圧縮強度（CS）の信頼性の高い予測モデルを開発すること。
• CS予測に高度なニューラルネットワークおよび深層学習アルゴリズムを採用すること。
• 3DCPのCSに影響を与える重要な要因を特定すること。

主な方法:

• 公開文献から収集された3DCPの実験的CSインスタンスのデータベースを200件収集しました。
• 多層パーセプトロン（MLP）、畳み込みニューラルネットワーク（CNN）、および放射基底関数ニューラルネットワーク（RBFNN）モデルをトレーニングおよび検証しました。
• k分割交差検証、誤差指標、残差評価、Shapley（SHAP）、および個別条件期待値（ICE）分析を利用しました。

主要な成果:

• CNNモデルは、テストR²値0.95で最高の予測パフォーマンスを達成しました。
• SHAPおよびICE分析により、水セメント比、荷重方向、繊維含有量が圧縮強度（CS）に影響を与える重要な要因であることが特定されました。
• ステークホルダーの実装のために、実用的なグラフィカルユーザーインターフェイス（GUI）が開発されました。

結論:

• 深層学習モデル、特にCNNは、3DCPの複雑な挙動を予測するために堅牢です。
• 開発されたモデルと特定された重要な影響要因は、3DCPの持続可能な設計を導くことができます。
• GUIは、3DCP材料開発におけるAI主導の洞察の実用的なアプリケーションを促進します。