본 연구는 바이오차 치환율 및 축력 수준에 따른 철근콘크리트(RC) 부재의 휨 거동을 평가하였다. 실험변수는 바이오차 치환 율 0, 5, 10%와 축력 수준 0, 10, 20%이며, 총 9개 실험체를 제작하였다. 실험은 축력을 일정하게 유지한 상태에서 휨 하중을 재하하 여 하중–처짐 관계와 균열 양상, 항복ㆍ최대ㆍ극한 특성값 등을 분석하였다. 실험결과, 축력 증가는 초기 강성 및 항복ㆍ최대 내력을 증가시키는 반면 변형능력과 연성도는 감소하였고, 바이오차 치환율 증가는 초기 강성과 최대 내력을 저하시켜 조기 균열을 유발하는 경향을 보였다.

The application of machine learning in concrete technology has expanded rapidly, yet its reliability is often constrained by limited experimental data, heterogeneous testing conditions, and inconsistencies across published studies. This study investigates the integration of machine learning and synthetic data augmentation to predict the compressive strength of concrete incorporating biochar as a partial replacement for cement. An experimental dataset was compiled from peer-reviewed journal articles indexed in Web of Science, focusing on biochar-modified concrete mixtures. Input variables included cement content, fine and coarse aggregates, biochar dosage, water to binder ratio, superplasticizer content, and curing age, with compressive strength as the target variable. Extreme Gradient Boosting was adopted due to its strong performance on nonlinear tabular data. Model performance was evaluated using the mean absolute error (MAE), mean squared error (MSE), and coefficient of determination (R²), alongside five-fold cross-validation. Hyperparameter optimization was performed using Optuna. To address data scarcity, a synthetic dataset of 1000 samples was generated using ChatGPT. the large language model approach relied solely on natural language prompts. Only feature definitions and the target variable were provided, without exposing the original data or implementing data generation algorithms. Three modeling strategies were examined. First, model trained and tested solely on experimental data achieved a testing R² of approximately 0.91. Second, model trained on synthetic data and evaluated exclusively on experimental data showed reduced generalization, achieving a testing R² of about 0.42, indicating pronounced domain shift effects. Third, synthetic and experimental data were combined through data augmentation and jointly modeled, a testing R² of 0.93 was achieved. The result showed that the use of LLMs for augmentation improved the performance of the model.

전 세계 이산화탄소 배출량이 지속적으로 증가하면서, 환경 개선 및 탄소 격리를 위한 다양한 연구들이 진행되고 있 다. 건설 산업에서도 탄소를 줄이기 위한 연구로 바이오차를 건설 자재에 사용하여, 탄소 격리를 위한 방법으로 진행되고 있다. 바이오차는 바이오매스를 열분해하여 생성한 숯으로, 높은 탄소 함량과 다공성 구조가 특징이며, 탄소 격리를 위한 물질로 떠오 르고 있다. 본 연구에서는 시멘트 사용량을 줄이고 바이오차를 혼입한 콘크리트를 건설 자재로써 가능성을 확인하고자 하였다. 이를 위해 시멘트의 일부를 바이오차로 치환하여 혼입한 콘크리트의 역학적 특성(슬럼프, 공기량, 압축강도)과 질량 기반 특성 (흡수율, 밀도, 공극률)을 평가하였다. 바이오차의 시멘트 치환율은 0%, 5%, 10%로 설정하였다. 바이오차의 수분 흡수 및 보유 력에 따라 바이오차의 시멘트 치환율이 증가할수록 슬럼프는 감소하였다. 바이오차의 다공성 구조를 SEM 실험으로 확인하였으 며, 이에 따라 콘크리트에서의 공극 형성으로 바이오차의 시멘트 치환율이 증가할수록 공기량과 흡수율이 증가하였다. 바이오차 의 시멘트 치환율 5%에서 압축강도와 비강도가 가장 높은 값으로 나타났으며, 탄소 격리를 위한 방법으로 건설 자재 활용의 가능성을 확인하였다.

이 연구는 셀룰로오스 또는 실리카를 포함하고 있는 목재, 왕겨 및 축분 바이오차로 시멘트 또는 잔골재를 대체한 콘크리트 의 강도시험을 통하여 역학적 특성을 파악한 것이다. 시험결과에 따르면, 바이오차 종류에 따른 강도는 왕겨 바이오차 혼입 콘크리트가 가장 크고, 다음으로 목재 바이오차였으며, 축분 바이오차가 가장 낮은 것으로 나타났다. 그리고 시멘트 또는 잔골재의 대체율에 따른 콘크리트 강도는 왕겨 바이오차의 대체율이 증가할수록 강도가 감소하였으나, 목재 및 축분 바이오차의 경우에는 대체율에 따라 강도 가 증가 하였다. 또한, 바이오차를 혼입하지 않은 보통 콘크리트와 비교하여 왕겨, 목재 및 축분 바이오차 순으로 최대 강도가 90%에 서 99%까지였으며, 압축강도로 추정하는 휨강도 또는 쪼갬인장강도 또한 보통 콘크리트의 상관 계수와 비슷하였다. 이와 같은 시험결 과를 근거로, 바이오차를 혼합한 콘크리트의 역학적 특성은 대체율에 따른 차이에도 불구하고 보통 콘크리트와 비슷한 강도를 확보할 수 있으므로 바이오차를 콘크리트의 새로운 혼화재료로 사용할 수 있을 것으로 판단된다.

세계적으로 환경에 대한 관심이 커지면서, 탄소 저감 및 탄소 중립을 위한 다양한 연구들이 진행되고 있다. 특히 최 근에는 탄소 포집 및 저장 기술인 CCS(Carbon Capture and Storage)에 주목이 높아졌다. 그뿐만 아니라, 대기 중의 탄소를 효과 적으로 저장하는 특성을 가진 바이오차는 탄소 중립에 기여할 수 있는 방안으로 다양한 연구가 진행되고 있다. 건설 산업에서 는 시멘트 대체재를 활용한 탄소 감소 관련 연구가 진행 중이며, 본 연구에서는 바이오차를 콘크리트 및 모르타르의 시멘트 대 체재로 활용하여 시멘트 사용량을 줄이고, 동시에 콘크리트 및 모르타르 내의 탄소를 포집하고 저장하여 탄소 배출량을 감소시 키고자 한다. 이를 위해 바이오차의 시멘트 치환율을 0%, 10%, 20%로 설정하고, 각각의 경우에 대해 콘크리트 및 모르타르의 슬럼프, pH 농도, 그리고 압축강도를 비교하였다.실험 결과에 따르면, 바이오차의 시멘트 치환율이 증가함에 따라 슬럼프와 압 축강도가 감소하는 경향을 보였으며, pH는 유사한 양상을 나타냈다.