지난 10년 동안 상당한 양의 연구가 머신러닝(ML)의 적용과 특히 지오폴리머(geopolymer) 기반의 지속가능한 건설 재료를 더 깨끗하게 생산하는 데 대한 잠재력을 입증해 왔다. 개념적으로 ML의 활용은 배합 조성을 최적화하고 지오폴리머 재료의 특성 및 성능을 예측하는 데 도움을 줄 수 있다. 그러나 기존 연구는 주로 지오폴리머 콘크리트에 집중되어 있어 모르타르와 페이스트(paste)와 같은 다른 형태, 그리고 ML에 필요한 데이터 요구사항은 간과하는 것으로 보인다. 이러한 공백을 다루기 위해 본 연구의 목적은 (i) 2012-2023년 기간 동안 지오폴리머 재료에서의 ML 발전 양상, (ii) ML로 연구되고 있는 지오폴리머의 형태 및 유형, (iii) 사용된 데이터 소스와 규모, 그리고 적용된 ML 알고리즘, (iv) ML을 통해 수행된 작업을 구체적으로 탐색함으로써 지오폴리머 재료에 대한 ML 적용의 최신 연구동향(현황)을 제시하는 데 있다. 전반적인 결과는 ML이 주로 지오폴리머의 특성, 특히 압축강도(compressive strength)를 예측하는 데 사용되고 있으며, 배합 최적화와 구조적 유지관리에서의 잠재력은 대체로 충분히 활용되지 못하고 있음을 보여준다. 또한 대부분의 연구에서 소규모 학습 데이터셋과 이전 출판물의 데이터를 주로 활용하는 경향은 현장(field) 데이터를 제한적으로 활용하고 있음을 시사한다. 결론적으로, 본 연구는 지오폴리머 재료에 대한 ML 적용과 관련된 현재의 도전과제를 연구자들에게 알려주며, 지속가능한 지오폴리머 재료의 특성 예측 및 배합 최적화를 개선하기 위한 ML 활용에 관한 향후 연구 방향을 제안한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.