[論文レビュー] Evolving Genetic Programming Tree Models for Predicting the Mechanical Properties of Green Fibers for Better Biocomposite Materials

Faris M. AL‐Oqla, Hossam Faris+2 more|arXiv (Cornell University)|Feb 20, 2024

Natural Fiber Reinforced Composites被引用数 4

ひとこと要約

本研究では、セルロース、ヘミセルロース、リグニン、水分含量、マイクロフィブリル角といった主要な化学的・構造的特性を用いて、天然グリーン繊維の引張強度、ヤング率、破断伸びを予測する、進化的な遺伝的プログラミングツリー・モデルを開発した。モデルは高い予測精度を達成し、マイクロフィブリル角が引張強度予測に44.7％の寄与を示し、バイオコンポジット開発における高価な実験的試験の必要性を顕著に低減した。

ABSTRACT

Advanced modern technology and industrial sustainability theme have contributed implementing composite materials for various industrial applications. Green composites are among the desired alternatives for the green products. However, to properly control the performance of the green composites, predicting their constituents properties are of paramount importance. This work presents an innovative evolving genetic programming tree models for predicting the mechanical properties of natural fibers based upon several inherent chemical and physical properties. Cellulose, hemicellulose, lignin and moisture contents as well as the Microfibrillar angle of various natural fibers were considered to establish the prediction models. A one-hold-out methodology was applied for training/testing phases. Robust models were developed to predict the tensile strength, Young's modulus, and the elongation at break properties of the natural fibers. It was revealed that Microfibrillar angle was dominant and capable of determining the ultimate tensile strength of the natural fibers by 44.7% comparable to other considered properties, while the impact of cellulose content in the model was only 35.6%. This in order would facilitate utilizing artificial intelligence in predicting the overall mechanical properties of natural fibers without experimental efforts and cost to enhance developing better green composite materials for various industrial applications.

研究の動機と目的

• 実験コストを削減するため、AI駆動の機械的特性予測モデルを構築すること。
• 引張強度、ヤング率、破断伸びを決定づける化学的・構造的繊維特性の中で、最も影響力のある要因を特定すること。
• 進化的な遺伝的プログラミングツリー・モデルを適用し、繊維組成と機械的挙動の間の強固で解釈可能な関係を確立すること。
• 正確でデータ駆動の予測が可能な仕組みを提供することで、持続可能な複合材料設計を支援すること。

提案手法

• 遺伝的プログラミング（GP）を用いて、入力繊維特性から機械的出力をマッピングするツリー構造の数学的モデルを進化的に発展させる。
• 入力特徴量には、さまざまな天然繊維のセルロース、ヘミセルロース、リグニン、水分含量、マイクロフィブリル角が含まれる。
• モデル評価のため、データを訓練用とテスト用に分割するためのワンホールドアウト交差検証戦略を採用する。
• テストセットにおける決定係数（R²）、平均絶対誤差、平均二乗誤差を最適化するフィットネス関数を用いて、モデルの進化をガイドする。
• 各入力変数の寄与度を評価するために、パーミュテーションベースの分析を用いて特徴量の重要度を定量化する。
• 最終的なモデルは解釈可能であり、入力変数と機械的出力の間の明確な数学的表現を提供する。

実験結果

リサーチクエスチョン

• RQ1 どの繊維特性が天然グリーン繊維の引張強度に最も顕著に影響を与えるか？
• RQ2 遺伝的プログラミングツリー・モデルは、ヤング率や破断伸びといった機械的特性をどの程度正確に予測できるか？
• RQ3 マイクロフィブリル角と化学的組成（例：セルロース、リグニン）の両者が、繊維強度予測に果たす相対的寄与度は何か？
• RQ4 進化的なGPモデルは、グリーン繊維の機械的挙動予測において、高い精度と解釈可能性を両立できるか？

主な発見

• マイクロフィブリル角が引張強度の予測に44.7％の寄与を示し、最も影響力のある要因であった。
• セルロース含有量が引張強度予測に35.6％の寄与を示し、マイクロフィブリル角に次ぐ強いが二次的な役割を果たしていることが示された。
• 開発されたGPモデルは高い予測精度を達成しており、実験的試験を伴わずに機械的特性を信頼性高く推定可能である。
• 未観測のテストデータに対してもモデルは頑健な一般化性能を示し、実世界のバイオコンポジット設計における信頼性を裏付けた。
• 進化したツリー・モデルの解釈可能性により、繊維構造と機械的応答の間の物理的関係について明確な洞察が得られた。