Bochao Sun 研究室
主宰者：Bochao Sun
東京大学
AI 要約（直近 5 年の研究成果）
Bochao Sun研究室は、コンクリートの性質予測と耐久性評価を中心に研究を展開しています。火災後の強度残存性、凍結融解サイクルによる劣化、炭酸化進行など、極限環境下におけるコンクリートの損傷メカニズムの解明に取り組んでいます。また、リサイクルコンクリートや廃棄医療マスクなどの再利用材料を用いた環境配慮型コンクリートの開発も進めており、循環経済への貢献を目指しています。
これらの現象理解のため、研究室では多様な実験手法を活用しています。走査型電子顕微鏡やX線回折、熱重量分析などの微視的分析と、圧縮試験や水冷試験といった工学的スケールの試験を組み合わせることで、材料の内部変化を詳細に追跡しています。さらに光ファイバーセンサーを用いた実時間モニタリングにより、動的な劣化過程における歪みや温度分布を検出しています。
近年の特色として、機械学習と説明可能AI（XAI）の導入が挙げられます。コンクリート強度や凍結融解抵抗性の予測に自動機械学習やSHAPなどの解釈可能なモデルを適用し、材料パラメータと性能の因果関係を定量的に明らかにしています。このアプローチにより、従来の経験則では捉えきれない複雑な非線形関係を効率的に分析し、より精密な設計基準の構築に貢献しています。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 保健専門職Qi An 研究室東京大学論文 159 件·共通: AI・機械学習, 機械学習, 機械, 学習 +11
- 環境科学Taikan Oki 研究室東京大学論文 146 件·共通: AI・機械学習, 機械学習, 機械, 学習 +10
- 材料科学Ryo Ishikawa 研究室東京大学論文 125 件·共通: 顕微鏡, イメージング, 実験技術, 機械 +9
- 工学Tomoyuki Yokota 研究室東京大学論文 177 件·共通: 機械, 材料工学, 材料, 学習 +10
- 材料科学Teruyasu Mizoguchi 研究室東京大学論文 123 件·共通: AI・機械学習, 機械学習, 機械, 材料工学 +9
- 環境科学Ram Avtar 研究室北海道大学論文 103 件·共通: 機械学習, 機械, 学習, 環境保全 +10
- 医学Toshihisa Anzai 研究室北海道大学論文 101 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
- 計算機科学Ren Togo 研究室北海道大学論文 103 件·共通: 機械学習, 機械, 学習, 環境保全 +9
研究成果（37 件）
- DOI: https://doi.org/10.1016/j.firesaf.2026.104766
- DOI: https://doi.org/10.1016/j.jobe.2026.115869
- DOI: https://doi.org/10.1016/j.istruc.2026.111540
- DOI: https://doi.org/10.1016/j.autcon.2026.106801
- DOI: https://doi.org/10.1016/j.tsep.2026.104744
- DOI: https://doi.org/10.1016/j.measurement.2025.120089
- DOI: https://doi.org/10.1016/j.cemconcomp.2025.106448
- DOI: https://doi.org/10.1016/j.engappai.2025.112899
- DOI: https://doi.org/10.1016/j.engstruct.2025.121407
- DOI: https://doi.org/10.55092/sc20250025
続きを表示（残り 27 件）閉じる
- DOI: https://doi.org/10.3390/buildings15183286
- DOI: https://doi.org/10.3390/toxics13080702
- DOI: https://doi.org/10.1002/suco.70293
- [2025] Mechanical and microstructure evolution of 3D printed concrete interlayer at elevated temperaturesDOI: https://doi.org/10.1016/j.jobe.2025.112706
- DOI: https://doi.org/10.1016/j.conbuildmat.2024.135686
- DOI: https://doi.org/10.1016/j.measurement.2024.116021
- DOI: https://doi.org/10.1016/j.jobe.2024.110991
- DOI: https://doi.org/10.1016/j.engstruct.2024.119023
- DOI: https://doi.org/10.1016/j.conbuildmat.2024.136291
- DOI: https://doi.org/10.1016/j.conbuildmat.2024.135105
- DOI: https://doi.org/10.1016/j.cscm.2024.e03648
- DOI: https://doi.org/10.1016/j.conbuildmat.2024.137480
- [2024] Finite element data-driven deep learning-based tensile failure analysis of precast bridge slab jointDOI: https://doi.org/10.1016/j.engfailanal.2024.108632
- [2024] Carbonation depth prediction and parameter influential analysis of recycled concrete buildingsDOI: https://doi.org/10.1016/j.jcou.2024.102877
- DOI: https://doi.org/10.1007/s41062-024-01467-9
- DOI: https://doi.org/10.1016/j.cemconcomp.2023.105009
- [2023] Evaluation of mechanical properties and anisotropy of 3D printed concrete at different temperaturesDOI: https://doi.org/10.1016/j.istruc.2023.03.045
- DOI: https://doi.org/10.1016/j.cscm.2023.e01845
- [2023] A hybrid strategy of AutoML and SHAP for automated and explainable concrete strength predictionDOI: https://doi.org/10.1016/j.cscm.2023.e02405
- DOI: https://doi.org/10.1016/j.engstruct.2022.114740
- DOI: https://doi.org/10.1016/j.conbuildmat.2022.130146
- DOI: https://doi.org/10.1016/j.tsep.2022.101629
- DOI: https://doi.org/10.1016/j.cemconcomp.2022.104800
- DOI: https://doi.org/10.1016/j.jmrt.2022.07.141
- DOI: https://doi.org/10.1002/suco.202100817
- [2021] A novel strength prediction model of mortars with different types of cement and <scp>SCMs</scp>DOI: https://doi.org/10.1002/suco.202000430
- DOI: https://doi.org/10.1016/j.conbuildmat.2021.122626
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。