Machine learning-guided design of low-carbon emission recycled concrete aggregate hot-mix asphalt mixtures based on engineering constraints

工学的制約に基づく機械学習による低炭素排出再生骨材ホットミックスアスファルト混合物の設計 (AI 翻訳)

Kui Hu, Wenhui Chen, Kunpeng Zhang, Giuseppe Carlo Marano, Hui Ma, Jia Li

Construction and Building Materials📚 査読済 / ジャーナル2026-08-14#AI×ESGOrigin: CN経営インパクト: コスト削減対象セクター: construction

DOI: 10.1016/j.conbuildmat.2026.147804

原典: https://doi.org/10.1016/j.conbuildmat.2026.147804

🤖 gxceed AI 要約

日本語

本研究は機械学習を用いて、再生コンクリート骨材を用いた低炭素アスファルト混合物の設計を最適化する。工学的制約を考慮し、炭素排出削減と性能維持を両立する配合を提案する。建設部門の脱炭素化に寄与する。

English

This study uses machine learning to optimize the design of low-carbon asphalt mixtures incorporating recycled concrete aggregate. By incorporating engineering constraints, it proposes mix designs that balance carbon emission reduction with performance. Contributes to decarbonizing the construction sector.

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

日本では建設分野の脱炭素が急務であり、再生骨材利用と低炭素化は循環経済とGXの両立に資する。本手法は国内のアスファルト混合物設計に応用可能で、建設会社や自治体の排出削減目標達成に役立つ。

In the global GX context

Globally, the construction sector faces pressure to reduce embodied carbon. This ML-driven design approach supports circular economy and low-carbon infrastructure, aligning with ISSB/CSRD disclosure expectations for construction firms.

👥 読者別の含意

🔬研究者:Demonstrates ML application to low-carbon material design with engineering constraints.

🏢実務担当者:Provides a data-driven method to design low-carbon asphalt mixes, aiding sustainability reporting.

🏛政策担当者:Highlights potential for policy support in promoting recycled materials and low-carbon construction.

🔗 Provenance — このレコードを発見したソース

openalex https://doi.org/10.1016/j.conbuildmat.2026.147804first seen 2026-08-16 04:58:54

🔔 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。