为探究固体废弃物在建筑结构-储能的一体化中的应用潜力，本工作以铝粉为造孔剂、钢渣为掺合料，制备多孔水泥基结构电解质，并分别构建基于KOH电解液的活性炭//活性炭对称超级电容器和基于ZnSO₄电解液的锌//活性炭混合超级电容器；系统研究不同电解液和钢渣掺量对多孔水泥基材料力学性能、离子电导率及微观结构的影响，结合电化学性能测试分析其储能机制与调控机理。结果表明：铝粉造孔与钢渣共同促进了材料内部连通孔隙网络的形成，结构电解质的离子电导率均随铝粉掺量和钢渣掺量增加而提高，且KOH体系显著高于ZnSO₄体系，最高分别达到130.5 mS/cm和26.1 mS/cm。KOH浸泡后抗压强度几乎没有变化，而ZnSO₄浸泡后抗压强度明显提高，由9.6 MPa增加到17.5 MPa，增幅达82.3%。结果分析表明，KOH体系器件以双电层电容为主要储能机制，具有低阻抗和良好倍率性能；ZnSO₄体系器件表现出锌离子混合储能特征，能量密度可达到72.2 W·h/kg。钢渣通过促进连通孔隙网络形成、改善离子迁移路径并调节界面电化学过程，实现了对材料离子传输性能、力学稳定性及器件储能行为的协同优化。研究结果为固废基结构储能器件的设计与应用提供参考。

复合胶凝材料是现代混凝土的基本特征，其水化热的精准预测对混凝土抗裂及强度发展调控具有重要意义。本工作提出一种物理驱动与数据修正协同的水化热预测模型，将S-F方程、Krstulović-Dabić模型等水化动力学方程作为物理先验嵌入神经网络前向传播路径，通过物理参数预测分支与残差修正分支协同实现“物理驱动+数据修正”的水化热曲线端到端建模。结果表明，所提出的SFQmaxDecompNet模型在预测精度、泛化能力和稳健性方面均优于纯数据驱动模型，将水化动力学方程作为归纳偏置嵌入神经网络，是实现水化热预测精度与可解释性协同提升的有效途径。

近年来，深远海区域的工程建设日益增多，极端荷载环境使得高耸塔架与海洋平台中钢管混凝土构件的损伤风险剧增。为实现对上述关键结构内部损伤程度的智能识别，本工作提出了一种融合带梯度惩罚的Wasserstein生成对抗网络（WGAN-GP）与一维残差网络（1D-ResNet）的超高性能混凝土填充钢管（UHP-CFST）短柱损伤阶段智能识别方法，以解决声发射（AE）数据类别不平衡导致的识别精度下降问题。通过对27根UHP-CFST短柱开展轴压试验，同步采集AE信号，并依据归一化累计撞击数（NCH）的演化规律，将损伤过程划分为轻微损伤阶段Ⅰ、中度损伤阶段Ⅱ和完全损伤阶段Ⅲ。选取上升时间、能量、持续时间、幅值、峰值频率、信号强度及约束系数等特征参数构建数据集，采用WGAN-GP对少数类样本进行增强，并结合统计特征分析、t-SNE降维可视化及最大均值差异（MMD）检验对生成数据质量进行评估。结果表明，WGAN-GP生成数据与原始数据在统计特征及高维特征空间分布上具有较高一致性，能够较好保持AE数据的整体分布趋势与主要特征结构。在此基础上，构建基于ResNet的三阶段损伤识别模型，并与支持向量机（SVM）、多层感知机（MLP）和卷积神经网络（CNN）模型进行对比。结果表明：ResNet在阶段Ⅰ、阶段Ⅱ和阶段Ⅲ的F1分数分别达到91.6%、93.8%和94.7%，整体识别性能优于SVM、MLP和CNN模型。研究表明：所提出的WGAN-GP与ResNet相结合的方法能够有效提升UHP-CFST短柱轴压损伤阶段的智能识别性能，为基于AE信号的结构损伤识别提供了新的思路。

基础设施作为大规模结构储能系统的结构载体具有巨大潜力。将安全环保的水系锌-碘电池与发泡水泥净浆相结合，开发一种兼具结构承载、电化学功能及规模化应用前景的新型储能体系。通过发泡技术制备具有多尺度孔结构的发泡水泥净浆隔膜（FCPS），使其具备双重功能：既保障离子高效传输与电解液储存，又具备足够的承载能力以维持结构完整性。以硫酸锌溶液为基础电解质，添加不同浓度的碘化锌调控碘活性物质含量与离子传输环境。研究表明，FCPS的多尺度孔结构与适宜碘化锌浓度的协同作用是提升隔膜离子电导率和电池综合性能的关键。发泡技术赋予FCPS丰富的孔结构，可构建连续贯通的离子传输通道并提供充足的电解液储存空间；最优碘化锌浓度（0.15 mol/L）可显著提升电解液的离子导电率，并作为活性碘源增加参与氧化还原反应的碘离子数量。二者协同作用使隔膜孔隙率为33%，离子电导率达10.20 mS/cm，抗压强度为7.54 MPa。基于该最优配比组装的FCPS基锌-碘电池实现1.60 mA·h/cm²的高面容量，在0.25 mW·cm^-2的功率密度下能量密度高达2.00 mW·h·cm^-2，且1000次循环后容量保持率可达82%。该体系为大规模安全储能提供了新思路，充分展示了锌-碘电池在建筑结构储能领域的广阔应用前景。

准确预测混凝土碳化深度对于钢筋混凝土结构耐久性评估、服役寿命预测及水泥基材料碳吸收能力分析具有重要意义。传统公式模型难以准确刻画材料组成、养护制度和服役环境之间的非线性耦合作用，而机器学习（ML）模型虽具有较高预测精度，但缺乏明确解析表达形式，限制了其机理分析和工程应用。为实现由高精度黑箱预测模型向可解释公式模型的转化，本工作基于自然碳化文献数据库，采用决策树（DT）、随机森林（RF）、XGBoost（XGB）和CatBoost（CB）建立碳化深度预测模型，并结合沙普利加性解释（Shapley additive explanations，SHAP）方法进行特征筛选和变量贡献函数拟合，构建显式预测模型。结果表明，基于log1p变换、FS2特征组合和CB算法的模型表现最佳，训练集和测试集均方根误差（RMSE）分别为0.55 mm和1.14 mm。SHAP分析表明，在最终FS2-CB模型中，W/CaO、碳化时间和碳化环境是最主要的3个影响变量，说明混凝土碳化深度主要受孔隙传输条件、碳化缓冲能力、暴露时间和环境作用共同控制。其中，W/CaO能够同时反映孔隙传输能力和碳化缓冲能力，是表征混凝土抗碳化能力的重要特征。基于SHAP贡献函数建立的预测公式（PF）模型在外部数据集验证上的RMSE为4.48 mm，低于ML模型和传统公式模型F1~F3，其RMSE分别为5.07 mm和5.91~8.52 mm，表现出更好的跨数据集泛化性能。上述结果表明，本工作提出的“机器学习建模-SHAP解释分析-变量贡献函数拟合-显式公式构建”方法框架能够在保持较高预测精度的同时提高模型简洁性和可解释性，并从数据驱动角度揭示传输条件、碳化缓冲能力和环境作用对混凝土碳化过程的协同影响。

中国水泥行业碳中和时限持续通近，亟须发展具有高效固碳能力的功能性水泥基材料。低钙固碳胶凝材料（LCCB）因具备低钙硅比与低煅烧温度的优势，在碳减排方面前景良好，然而其碳酸化性能较差，限制了其碳减排能力的应用。为克服这一缺陷，本工作通过第一性原理计算与实验结合的方法，系统考察了钡（Ba）离子掺杂与硝酸镁（Mg（NO₃）₂）溶液协同对LCCB碳酸化性能的影响。结果表明，Ba离子的掺杂能让硅灰石（CS）与硅钙石（C₃S₂）的置换多面体体积增大，为碳酸化初期钙离子的解离提供了热力学驱动力，当Mg（NO₃）₂溶液浓度为0.1 g/mL、Ba离子掺量为原料中钙离子摩尔量的1%时，碳酸化8 h的LCCB碳酸化初期反应速率与碳酸化活性有较大提升，此时抗压强度和固碳率分别为101.7 MPa和18.33%，相较于未碳酸化样品提升了53.63%和55.34%。碳酸化产物与微观结构分析表明，Ba离子掺杂与Mg（NO₃）₂协同作用促进了碳酸化产物CaCO₃及无定形硅胶的快速生成，降低孔隙率并优化了孔隙结构。这些发现表明协同改性策略是改善LCCB碳酸化性能的一种有效路径。

水泥熟料涉及复杂的高温固/液相反应和矿相间协同水化过程，且不同实验流程导致文献数据在结构化程度和可比性方面存在差异，这限制了机器学习算法在新型熟料设计中的应用与发展。本工作将熟料单矿视为最小组成单元，通过标准化高通量实验构建了基于熟料组成的数据集，共包含264组样本。采用贝叶斯优化方法对5种非线性模型进行超参数寻优，比较不同类别算法在所构建数据集上的预测精度，并利用预先设计的测试集，严格区分体系内、外两类预测情形。结果表明，具有适度正则化的低容量人工神经网络模型表现出更高的预测精度，且对体系外样本具有更强的鲁棒性。此外，在28 d抗压强度与碳排放约束阈值条件下，利用优选的代理模型与遗传算法耦合，筛选得到4组满足约束条件的低碳熟料组成。经实验验证，4组低碳熟料28 d抗压强度结果与模型预测结果基本一致，表明所构建的高通量实验与代理模型可用于低碳熟料的初步筛选。

为进一步挖掘不同晶型碳酸钙（CaCO₃）调控水泥浆体性能的潜力，采用方解石、球霰石和文石按15%（质量分数）取代普通硅酸盐水泥制备浆体，并结合流变、量热、力学和微观表征测试，系统研究不同晶型CaCO₃对浆体流变行为、水化进程及力学性能的影响。结果表明：方解石主要表现为稀释与填充作用，降低浆体静态和动态屈服应力，对水化和强度发展的促进作用有限；球霰石因表面活性较高，显著提高浆体动态屈服应力，明显加快了早期水化进程，促进了氢氧化钙和碳铝酸盐相等水化产物的生成，细化了孔结构，更有利于抗压强度发展；文石的大比表面积对早期的水化也有明显的加速作用，同时其针棒状形貌会导致浆体动态屈服应力降低而表观黏度和触变指数显著升高，并且有利于抗折强度的发展，28 d抗折强度提高了16%。结果证实了不同晶型CaCO₃对水泥浆体“流变-水化-结构-强度”关系的调控并非由单一因素决定，而是与颗粒形貌、比表面积及反应活性等物理化学性质的协同作用密切相关。

为揭示低钙硅铝质固废中硅铝酸盐玻璃的溶解机制，合成了宽Al/Si比范围的玻璃，以粉煤灰为对比，结合碱性溶解实验与第一性原理分子动力学模拟，研究了Al/Si比和冷却速率对溶解速率的影响。结果表明：溶解速率随Al/Si比增大而升高，主要归因于Al-O键的解离能低于Si-O键；Al掺入引发的Si-O四面体缺陷仅起次要作用。冷却速率较慢时，平均微晶尺寸增大，溶解度降低，从而抑制溶解。以玻璃相Al/Si比为输入参数的粉煤灰混凝土强度预测的反向传播神经网络模型，其决定系数由0.484提升至0.830，验证了微观机理的工程适用性。

为在小样本条件下实现超高性能混凝土（UHPC）性能的准确预测，并揭示多组分胶凝材料对UHPC力学性能的影响规律，融合了条件生成对抗网络（CTGAN）、贝叶斯优化的极限梯度提升树（BO-XGBoost）模型以及可解释性机器学习方法，建立了一套用于多响应预测与分析的框架。以160条实验数据为原始数据集，采用CTGAN生成合成样本进行数据增强，建立以矿物掺合料类型和掺量、减水剂掺量和养护龄期为输入，水膜层厚度与抗压强度为输出的BO-XGBoost预测模型，并结合沙普利可加性解释值（SHAP）和部分依赖图（PDPs）分析各变量对输出性能的影响规律。结果表明，利用CTGAN生成的数据在分布形态与变量相关性上与真实数据保持高度一致，有效缓解了小样本带来的数据不足的问题。BO-XGBoost模型在测试集上对水膜层厚度和抗压强度的预测决定系数（R²）分别达到0.986和0.976，误差分布集中且对称，表现出优异的预测精度与泛化能力。SHAP与PDPs分析表明了不同矿物掺合料对水膜层厚度与抗压强度的影响具有显著差异。粉煤灰微珠和硅灰在中低掺量下对水膜层厚度具有正向作用，而多种掺合料在高掺量条件下因颗粒堆积致密化表现为负向影响。对于抗压强度，超细矿渣粉、硅灰和粉煤灰微珠整体呈正向贡献，矿渣粉与粉煤灰在高掺量条件下因活性受限表现为负向作用。该框架为小样本条件下UHPC的配合比设计与性能优化提供了有效的数据驱动手段。

外加电场加速离子迁移已广泛应用于混凝土快速氯离子迁移系数法和电化学修复防护中，然而强电场作用下多离子耦合传输行为及其场强依赖特征尚不明确，传统常数迁移率模型难以准确表征氯离子迁移前沿的非线性演化。针对这一问题，本工作建立了基于物理信息神经网络的强电场下混凝土多离子电迁移数值分析框架，将Poisson-Nernst-Planck（PNP）方程、朗缪尔（Langmuir）氯离子结合关系和场强相关迁移率关系嵌入统一物理约束框架，实现了有限试验数据条件下多离子浓度场、电势场及迁移率参数的协同识别。研究发现，局部电场集中会诱发离子迁移率衰减，使氯离子通量出现饱和甚至下降趋势。进一步分析表明，强电场下多离子浓度剖面呈现迁移前沿局部化和推进减缓特征，数据同化修正主要集中在氯离子迁移前沿及浓度梯度较大的区域，可为快速氯离子迁移系数法中强电场传输行为解释和迁移率参数反演提供参考。

水工工程常态混凝土配合比设计需同时满足施工工作性、早龄期强度发展、标准龄期强度达标和体积稳定性等要求，现有预测方法主要以绝对数值预测，难以面向材料非均质性、施工扰动和试验误差引起的各类性能波动。本工作构建了包含457组样本的水工常态混凝土多目标性能数据库，以水泥、粉煤灰、骨料等原材料信息及配合比等45维变量为输入，以坍落度、7 d抗压强度、28 d抗压强度和28 d干燥收缩为输出目标；提出分层多任务异方差概率神经网络模型（HMT-HPNN），该模型通过共享表征、层级任务表征、任务特异分支和异方差概率子网络，实现多目标均值预测与样本相关不确定性估计。结果表明，HMT-HPNN的点预测精度与经典神经网络模型处于同一较优水平，各模型在4个预测目标上的平均NRMSE均小于0.078，具备可靠的基础回归能力；与基于蒙特卡洛Dropout的多层感知机（MLP+MC Dropout）相比，HMT-HPNN表现出更优的不确定性表征能力，各目标平均90%预测区间覆盖率（PICP90）与90%名义置信水平更为接近，总体覆盖率达90.49%；4个目标的负对数似然（NLL）均更低，降低幅度均超过40%；同时，HMT-HPNN在测试集中综合预测误差随综合预测不确定性等级升高而递增，模型输出的不确定性具有误差风险指示能力；针对46组同源工程验证数据，HMT-HPNN对4个目标的R²分别为0.70、0.94、0.90和0.87，平均NLL优于测试集结果，且不确定性等级与预测误差间具有一致性。本工作可为水工常态混凝土性能预判、配合比设计和性能风险感知提供数据驱动支撑。

针对低碳超高性能混凝土（UHPC）配合比变量维度高、组分耦合复杂及传统强度预测模型物理可解释性不足的问题，本工作提出一种融合水化-堆积机理先验与数据驱动结构学习的小样本可解释贝叶斯网络（Bayesian network，BN）建模方法。根据系统性文献综述获得491组UHPC原始配合比数据，基于数据完整性和机理变量计算要求，经单位统一、变量转换、异常值核查和有效样本筛选后，获得136组有效建模样本。进一步依据胶凝材料水化反应和颗粒紧密堆积原理，构建包含胶凝材料反应活性指数、水胶比、激发剂掺量、胶砂比、钢纤维掺量、活性钙硅比、活性硫铝比和初始颗粒堆积密实度的水化-堆积特征体系，并建立“材料及工艺参数层-中间机理层-目标性能层”的BN预测模型。结果表明，BN模型在10折交叉验证中获得较高预测精度（R²=0.910 1），同时通过基于机理约束的干预敏感性分析量化了水化效应（47.9%）、堆积效应（35.1%）及水化-堆积协同效应（17.0%）对28 d抗压强度的贡献。5组独立验证结果初步表明，在本工作验证样本范围内，模型预测强度与实测强度具有较好的一致性，实测值均落入模型预测区间内。本工作可为低碳UHPC候选配比筛选、抗压强度预测和智能化设计，提供兼具预测能力与机理解释性的建模工具。

机器学习模型被广泛应用于混凝土配合比设计和性能预测，数据集的质量与数量对模型的拟合精度有着直接影响。然而，由于试验周期长、测试成本高、人为影响因素大等原因，构建大规模、高质量的混凝土配合比数据集仍面临显著挑战。本工作基于去噪扩散概率模型，构建了一种生成混凝土配合比虚拟数据的深度学习模型--MixDiff。定量分析结果显示，MixDiff生成的虚拟数据集的特征分布、特征相关性与真实数据集具有较高相似性，两者的瓦瑟斯坦距离仅为0.019 5，K-S统计量仅为0.095 2，J-S散度仅为0.120 7，皮尔逊相关矩阵差异的弗罗贝尼乌斯距离仅为0.332 7。使用多种机器学习模型分别基于真实小样本数据集和MixDiff生成的虚拟数据集进行训练，试验表明：通过引入虚拟数据集，RF、SVR、KNN、XGBoost、LightGBM、CatBoost和DNN共7种模型的平均R²相对上升16.72%，平均RMSE相对下降47.96%，平均MAE相对下降46.86%。MixDiff生成的配合比数据在7 d强度、28 d强度、流动度、坍落度、初凝时间与终凝时间上的平均MAPE仅为3.8%。本工作为混凝土配合比的数据扩充提供了一种新方法，可提升机器学习模型在小样本条件下的预测精度。

水泥基材料作为道路、桥梁及房屋建筑等现代土木工程中用量最大、应用最广的建筑材料，其产品质量是决定工程结构安全性与服役寿命的关键因素。然而，在工程质量事故责任追溯中，熟料氧化物含量至关重要，其检测高度依赖未水化的原始留样，缺失后无法补测。利用水泥基材料微观结构图像反推其宏观力学性能、水灰比乃至初始组成特征已有相关研究。但是，基于微观图像的传统回归模型呈现“黑箱”特性，缺乏可量化的精度依据。本工作基于条件概率密度估计方法，提出一种基于反卷积密度网络（DDN）的模型，利用已硬化水泥浆体的背散射电子（BSE）图像，结合残差网络（ResNet）的特征提取与水灰比、龄期等养护条件编码，实现了对水泥熟料中主要氧化物（如CaO、SiO₂等）百分含量的概率密度估计。实验结果表明，该方法在精度为90%时，对测试集中5种氧化物的百分含量估测准确率可以达到90%以上，不仅能够输出各氧化物含量的最可能值，还能给出概率密度估计及对应精度。为工程质量事故追责提供了一条客观、定量且具备精度评定的熟料质量回溯检测新途径，有望推动水泥基材料质量仲裁技术范式的革新。

热力学模拟是研究镁质胶凝材料水化反应、物相演化和耐久性能的重要方法。本文从热力学模拟的基本原理出发，介绍了镁质胶凝材料常用活度系数模型、模拟软件及热力学数据库，系统总结了热力学模拟在水化硅酸镁水泥、磷酸镁水泥、硫氧镁水泥、氯氧镁水泥和活性氧化镁水泥等体系中的应用进展，重点分析和总结了配合比、改性剂和侵蚀性介质对水化产物组成及相稳定性的影响规律。现有研究表明，热力学模拟能够有效揭示镁质胶凝材料中含镁水化产物的形成与转化机制，为配合比优化设计和耐久性评价提供理论依据。然而，关键水化产物热力学数据不足和无定形凝胶相难以准确描述限制了热力学模拟的准确性。未来应进一步完善镁质胶凝材料热力学数据库，并建立“相组成-微结构-宏观力学性能”多尺度关联框架，为镁质胶凝材料的优化设计和工程应用提供支撑。

氟磷酸盐（FP）激光玻璃具有稀土溶解度高、非线性折射率低、阿贝数高等优异特性，是高功率光纤激光器的理想候选增益介质之一。玻璃形成区（成玻区）研究是新型激光玻璃体系的关键基础，以往的研究主要依赖“试错法”，通过大量试验才获得一些有限数据，消耗的“人财物”力巨大。本工作运用热力学计算方法，研究了多元FP玻璃体系的成玻区。结果表明，热力学计算方法可有效地预测FP玻璃的成玻区，同时，研究发现阳离子场强差异及其与阴离子的相互作用是影响FP玻璃形成能力与结构稳定性的重要因素之一。进一步地，本工作基于理论预测结果，通过组分优化设计，研制了掺镱高增益FP激光玻璃与玻璃光纤，初步实现了1.0 μm激光输出。

无碱铝硅酸盐具有高硬度、高应变点、高绝缘性、优异的化学耐久性及可调的热膨胀系数，已成为高端有机发光二极管（OLED）显示的首选基板材料。采用熔融-淬冷法制备总碱土氧化物含量固定为26.17%（摩尔分数）、Mg/Ca/Sr比例变化的玻璃样品，利用魔角旋转固体核磁共振和X射线光电子能谱表征了²⁹Si及氧原子的配位环境，并结合第一性原理计算解析原子尺度的网络结构演变规律，探究MgO-CaO-SrO三元“混合碱土效应”的结构起源。结果表明，网络形成体Si-O、Al-O及B-O短程结构对碱土替代表现出高度稳定性。电子局域函数（ELF）定量分析证实高场强Mg²⁺对氧电子云的局域化效应强于Sr²⁺，分波态密度（PDOS）揭示Mg 3p与O 2p无杂化而Sr 4p与O 2p存在p-p杂化，从电子层面阐明了2种离子对网络约束力差异的起源。配位数分析进一步区分了碱土离子的结构角色：Mg²⁺为网络中间体，Ca²⁺和Sr²⁺为网络修饰体。在Mg/Ca等摩尔混合条件下非线性效应最为突出，NBO含量达28.6%，自由体积分数从约1.04%扩张至约2.75%，低聚合度Qⁿ单元增多。上述结果表明，不同碱土离子在局域配位、轨道杂化及电荷补偿行为上的竞争，是混合碱土效应导致网络结构非线性响应的根本原因，为高性能电子基板玻璃的组成设计提供了理论依据。

浮法玻璃熔化成形过程具有高温连续运行、多变量强耦合和缺陷响应长时滞等特点，现有在线缺陷检测多属于事后识别，难以及时支撑工艺前馈调节。针对多变量耦合及时滞不确定带来的多类别缺陷预测难题，提出一种时滞感知变量耦合TimeMixer模型（Lag-aware Variable-Coupled TimeMixer，LVC-TimeMixer）。该模型以TimeMixer的多尺度分解与趋势波动混合结构为主干，引入时滞感知编码器和变量分组耦合混合器：前者利用5、10、30、60、120 min和240 min候选滞后尺度显式表征工艺扰动到缺陷响应的延迟关系，后者按照温度、压力、流量、气氛和历史缺陷等工艺语义构建变量组内表征与组间耦合，从而建立熔化成形工艺参数、历史缺陷序列与未来缺陷变化趋势之间的动态映射。基于某浮法玻璃生产线历史数据的验证结果表明，LVC-TimeMixer在平均绝对误差（Mean absolute error，MAE）、均方根误差（Root mean square error，RMSE）、决定系数（Coefficient of determination，R²）和30 min累计缺陷平均绝对误差（30-min cumulative MAE）方面表现最优，对称平均绝对百分比误差（Symmetric mean absolute percentage error，sMAPE）和严重缺陷F1值（F1-score）虽非全部最优但接近优势水平；消融实验进一步表明，时滞感知编码与变量分组耦合具有协同增益。该方法可为浮法玻璃缺陷事前预警、工艺参数优化和智能质量控制提供数据驱动支撑。

针对玻璃杨氏模量公开数据库数据一致性差、传统清洗难以剔除异常样本、纯数据驱动模型泛化与外推能力受限等问题，提出一种融合物理先验与机器学习的玻璃杨氏模量预测方法。将Makishima-Mackenzie（MM）半经验模型嵌入梯度提升机（GBM）建模流程，依据实测值大于MM计算值的物理规律完成数据清洗，构建受物理约束的高质量数据集；以MM模型计算残差为预测目标，通过残差修正与MM计算值加和实现杨氏模量精准预测。结合SHAP可解释性分析与物理化学信息描述符建模，揭示MM模型系统误差的产生机制。结果表明，所构建的物理信息机器学习（PIML）模型测试集决定系数R²达0.962，中位绝对误差MedAE为0.77，均方误差MSE为7.04，预测精度、鲁棒性与泛化能力显著优于纯数据驱动模型；外推测试验证模型在训练集域外样本仍保持稳定低误差。该方法为高模量玻璃配方快速开发提供了兼具高精度、可解释性与强外推能力的性能预测新途径。

为实现卫星通信极端环境下光纤兼具高抗辐射性能与高保偏性能，针对PANDA型保偏光纤应力区设计中参数耦合强、性能指标多且传统试错效率低的问题，提出一种机器学习（ML）-大语言模型（LLM）协同的智能设计方法。基于500组系统实验数据，以应力区直径、B₂O₃摩尔分数和应力区边缘-纤芯边缘距离为输入变量，分别建立衰耗、辐致衰耗、拉断力、nd值、消光比、全温消光比变化、拍长和研磨开裂概率8项性能指标的预测模型，并对随机森林（RF）、XGBoost和梯度提升回归（GBR）进行五折交叉验证比较。结果表明：最优模型的决定系数（R²）为0.76~0.99，平均R²为0.906；SHAP分析表明，边缘距离主导衰耗类指标，应力区直径主导力学与偏振性能，而B₂O₃摩尔分数对研磨开裂概率影响最为显著。在此基础上，引入LLM实现自然语言需求解析、约束冲突诊断及最小松弛建议。7组典型设计场景的测试结果表明，与随机试错相比，该方法可将期望实验次数平均降低91%，在四约束场景下最高降低99.8%。当设计需求不可同时满足时，系统能够定位主要冲突约束并给出定量松弛方案。该方法可为保偏光纤应力区的高效逆向设计提供数据驱动的新思路。

氯盐侵蚀作为低温沿海区混凝土服役寿命大幅缩减的主要原因，其侵蚀机理研究具有重要意义。为提高混凝土结构在低温-氯盐耦合作用下服役寿命的预测精度，本工作建立时变温度影响的结晶填充（孔隙率降低）和微裂纹扩展（孔隙率增加）的双重效应孔隙变化模型，揭示了冻融环境下溶液结晶对孔隙结构及氯离子扩散速率的复杂影响，并基于Fick第二定律，构建经第三方暴露试验验证的氯离子扩散修正模型。借助COMSOL软件进一步分析不同影响因素作用下混凝土中氯离子的传输特性及空间分布规律。结果表明：低温条件下，随着温度降低，结晶填充与裂纹扩展对混凝土渗透性影响的主导地位发生转变，导致氯离子扩散速率呈现出先减小后增大的变化趋势，长期服役中，“结晶-裂纹”双重机制的协同调控对氯离子传输过程的影响愈发显著，主导性持续增强；集成时变温度函数，混凝土材料特性对氯离子传输影响的模拟结果量化揭示了骨料粒径与初始孔隙率的关键影响，骨料粒径的增大降低传输路径的迂曲度，显著加速氯离子的扩散，此外，在长期氯离子侵蚀预测模拟计算中，初始孔隙率由0.10增大至0.15，结构中钢筋的起蚀时间缩短12.42 a。该模型的构建可为低温-氯盐耦合侵蚀下混凝土结构耐久性研究提供理论参考。

纳米纤维素对水泥基材料性能的优化常因界面作用机制不明确而受限。采用分子动力学模拟方法，研究了水化硅酸钙（C-S-H）与羧基化改性前后的纳米纤维素之间的界面结构、动力学行为、能量特性与力学性能。通过将纳米纤维素嵌入C-S-H基体中，构建了具有不同表面官能团的复合模型。模拟结果表明，羧基化纳米纤维素中的-COOH基团和羟基化纳米纤维素中的-OH基团，为C-S-H提供了大量氢键位点。界面结合能大小与官能团类型密切相关，羧基化纳米纤维素的界面结合能明显高于羟基化纳米纤维素。此外，羧基化纤维素中更多的非桥氧位点可与C-S-H中的钙离子形成更稳定的配位结构，并构建更密的氢键网络。本工作从微观层面揭示了纳米纤维素对C-S-H的增强机制，为设计高性能的绿色水泥基复合材料提供了理论支持与选材依据。

香港地表面积约50%被火山岩覆盖，每年地下工程产生大量火山岩废料，如何综合利用这些火山岩材料是亟待解决的难题。同时，超高性能混凝土的生产对原材料需求巨大，因此，本工作系统探究了火山岩材料在超高性能混凝土（UHPC）中的应用及其理化协同增强机制。通过引入具有棱角形貌特征的火山岩骨料及火山岩粉，研究了火山岩材料对UHPC宏微观性能的作用规律。结果表明：在UHPC体系中火山岩骨料不会引起明显的碱-硅反应膨胀；适当掺入火山岩骨料与火山岩粉能够提高UHPC材料的工作性能、湿堆积密实度以及力学性能。火山岩骨料掺量不超过50%可降低UHPC的孔隙率，并且其棱角结构能够促使钢纤维向水平方向定向排列，从而显著增强抗折性能。火山岩粉的加入可提升基体的工作性能与抗折强度。火山岩材料的增强效果源于以下3个方面：火山岩自身的强度与标准砂相当，保证了材料的高力学强度；棱角颗粒与圆形颗粒形成“点-面滑动接触”，增加摩擦面积，降低了基体孔隙率，提升了力学性能；火山岩材料的微观粗糙表面与火山灰反应增强了混凝土材料的微观结构与界面特性。研究成果验证了火山岩材料制备优异性能UHPC的可行性，为基于复杂形貌骨料的UHPC设计提供了理论基础与实验依据。

粤汉铁路已有近百年历史，为长龄期混凝土性能评价提供了宝贵研究机会。本工作采用X射线衍射、热重分析、扫描电子显微镜、能谱仪和X射线计算机断层扫描研究了铁路承台、轨枕和桥墩3个部位混凝土材料的水化产物相组成与微结构特性。结果表明，粤汉铁路混凝土轨枕部位的抗压强度高达110.68 MPa，电通量为868 C，暴露环境显著影响水化产物分布。背散射图像分析方法（BSE/IA）表征显示，承台、轨枕和桥墩的界面过渡区（ITZ）厚度分别为50、30 μm和40 μm。此外，轨枕混凝土的临界孔隙为0.1 mm³，大孔主导总体孔隙率但未见贯通裂隙，整体结构致密化。本工作为评估混凝土的长龄期服役性能与高性能水泥材料设计提供参考。

本工作合成了丙烯酸-2-丙烯酰氨基-2-甲基-1-丙烷磺酸-丙烯酰胺聚合物（AA-AMPS-AM），研究聚合物合成过程中链转移剂3-巯基丙酸（MPA）用量对AA-AMPS-AM分子量以及聚合物对硫铝酸盐水泥基注浆材料（SAGMs）水化硬化性能的影响规律。结果表明：随着MPA用量由0.6%（质量分数）降低至0.2%，AA-AMPS-AM的分子量逐渐降低，由124 276 Da降至60 431 Da。SAGMs的初始流动度由345 mm提高至370 mm，并且浆体流动度保持能力显著提高，在60 min时仍然具有100 mm的扩展度。随着AA-AMPS-AM合成过程中MPA用量的降低，初终凝时间延长，抗压强度下降，浆体水化放热速率降低，在水泥颗粒表面的吸附量由4.5 mg/g增至12.5 mg/g。AA-AMPS-AM对主要矿物的溶解及主要产物的形成过程均产生了影响。随着AA-AMPS-AM合成过程中MPA用量的减少，对无水硫酸钙和无水硫铝酸钙矿物的溶解过程的抑制作用增强；钙矾石逐渐由长棒状转变为短柱状且生成量减少，但铝胶生成量增多。基于以上原因，AA-AMPS-AM合成过程中MPA用量的减少，可以有效延缓SAGMs的水化，从而提高了流动度和流动度保持能力。

天然石膏凭借其优异的防火、隔热性能在建筑与装饰领域应用广泛，但固有脆性大、强度低、耐磨性差等缺陷严重限制了其在高端场景应用。为解决上述问题，以高分子材料为改性剂，通过系统筛选确定聚乙烯醇（PVA）为最优改性剂，并系统探究0~2%（质量分数）PVA添加量对石膏复合材料可施工性、力学性能、耐磨性能及微观结构的影响规律。实验结果表明：当添加量为1.5%时，材料综合性能达到最优，抗折强度达5.2 MPa、抗压强度达3.4 MPa、表面硬度达16.7 N/mm²，较空白组分别提升344.4%、84.9%和383.0%；粉化率从0.7979%降至0.0545%，耐磨性能显著改善；但PVA对石膏湿态性能正向影响有限。结合XRD、TG及SEM等多维度表征分析可知，适量PVA通过分子链羟基与石膏晶体间的络合及氢键作用，协同发挥“成膜填充-界面桥接-晶体规整化”效应，促进石膏水化进程与晶体取向生长，降低基体孔隙率，提升结构致密性。以简易工艺实现了石膏材料强度与耐磨性的同步提升，为高强耐磨石膏基复合材料的绿色制备与工程应用提供了坚实的理论依据与数据支撑。

再生粗骨料（RA）具有高吸水特性，其水饱和度（S_W）波动显著影响再生骨料混凝土（RAC）中氯离子（Cl^-）传输行为。探究2种控水方案——拌合用水量固定（S1）、拌合用水与预湿用水总量固定（S2）下RA的S_W变化（0%、50%、80%和100%）对RAC中Cl^-扩散及结合的影响规律及机理，结果表明：在S1中，提高S_W可增加RA释水量，虽促进水泥水化、降低新界面过渡区（ITZs）中的未水化水泥含量，但也提高基体实际有效水灰比（W_e/C），使新砂浆和新ITZs孔隙率增大、大孔增多、孔隙连通性增强，导致Cl^-快速迁移系数、自然侵蚀下的有效和表观Cl^-扩散系数均增大；而S2中，由于W_e/C较S1更低，因此Cl^-扩散系数整体偏小，且随S_W增大而降低，但较S1波动更小。Cl^-结合行为也受S_W与控水方案的共同影响：在S1下提高S_W可削弱Cl^-结合能力；S2下则相反，且早期未水化水泥在侵蚀过程中持续水化，使其长期Cl^-结合能力较S1更优。此外，S1下随S_W增大，因侵蚀产物填孔导致Cl^-扩散系数的变衰减更快，S2下则反之。

基于X射线CT图像的水泥净浆微观结构的精确三维重构对水泥基材料的性能预测至关重要，但传统方法难以捕捉复杂的多尺度孔隙结构或计算成本高昂。为解决这些挑战，本工作提出了一种深度卷积生成对抗网络（DCGAN）架构，将自动编码器集成用于多尺度特征学习，并在带梯度惩罚的Wasserstein生成对抗网络（WGAN-GP）框架下实现，以增强训练稳定性。引入孔隙率约束损失函数以确保生成过程中的全局孔隙一致性。该模型基于石灰石煅烧黏土水泥浆体[55%（质量分数）普通硅酸盐水泥，30%煅烧黏土，15%石灰石；水胶比=0.42]在养护龄期为3、28、90 d和180 d时的微CT图像进行训练。利用闵可夫斯基泛函（孔隙率、表面积、欧拉特征]和空间相关函数[两点相关函数（S2）、线路径函数、两点聚类函数和表面相关函数]对重建的三维结构与实验真实微观结构进行验证。结果表明，所提出的模型在保持与原始微结构孔隙特征一致的同时，具有较高的结构保真度，并显著提高了计算效率（提高约150%）。该方法能够实现高精度的微结构重构，进而实现更可靠的基于微观结构的水泥基材料性能模拟。

绝缘子材料作为高压电力运输的重要组成部件，能够隔绝电流和电压，有效地保护器件的安全。然而，传统的玻璃绝缘子材料存在使用寿命短、成本高、表面缺陷（气孔）多等问题。因此，急需开发具有高电气强度、高机械性能的绝缘材料。本工作基于常见的钠钙硅（Na₂O-CaO-SiO₂，NCS）玻璃体系作为研究对象，研究了不同添加剂（B₂O₃、K₂O）掺杂量（摩尔分数）对NCS玻璃结构、光学、机械性能和电学性能的影响。结果表明：B₂O₃适量添加可提高机械强度和电击穿强度，但过量可能破坏网络结构。通过混合碱效应，在玻璃中引入K₂O的部分取代Na₂O可以优化网络结构，提升热稳定性，获得兼具高机械强度（抗弯强度>110 MPa）、优异绝缘性（室温下的体积电阻率>10¹⁰ Ω·m，介电损耗<0.003 @50 Hz）及高电气强度（击穿强度>32 kV/mm）的绝缘材料，有望成为制造高性能、长寿命高压绝缘子的理想选择之一。

高原地区的低温度、低湿度及低气压“三低”严酷环境条件会显著影响混凝土的工作性能，导致其浇筑密实度与均匀性下降，进而诱发初始缺陷，对混凝土结构的力学性能与长期耐久性造成不利影响。当前针对高原环境对混凝土性能影响的研究多在于分析其力学性能和耐久性能，早期性能也主要停留在水泥水化过程中的气泡稳定性等方面，未能全面阐释高原“三低”环境作用下混凝土工作性能的影响机理，缺乏高原环境单因素及多因素耦合效应对混凝土工作性能影响的系统概述。为深入理解高原“三低”环境对混凝土工作性能的影响概况，本文从环境影响机理、性能表征方法及调控提升措施3个方面综述了高原“三低”环境影响规律及机理：1）阐述了高原单一及耦合环境因素可改变胶凝材料水化进程与新拌混凝土内部气泡结构，进而导致工作性能劣化的内在机理；2）归纳了环境影响下混凝土工作性能的表征和模拟方法；3）总结了外加剂调控、拌合工艺优化与气泡结构改善等工作性能优化提升措施。最后，本文指出了目前高原“三低”环境下混凝土工作性能研究的不足，并展望未来研究方向，以期为高原地区混凝土的设计、施工与维护提供理论支撑和实用技术。

碱激发胶凝材料混凝土是近年来兴起的一种新型“零水泥”胶凝材料。它通过高效利用工业固废，显著降低了对自然资源的需求，因而展现出替代传统普通混凝土的巨大潜力。此外，纤维增强聚合物（FRP）筋的使用有效解决了海洋环境下侵蚀离子带来的钢筋锈蚀问题。为探究碱激发胶凝材料混凝土与FRP筋的黏结性能，主要总结了混凝土抗压强度、FRP筋类型、黏结长度、耐久性能等因素对其黏结性能影响的研究现状，并提出了目前研究存在的不足，还归纳了已有黏结强度预测模型和黏结滑移本构模型，旨在为碱激发胶凝材料混凝土与FRP筋界面黏结性能研究和工程应用提供参考。

氧化铝气凝胶凭借其低热导率、低密度和优于氧化硅气凝胶的耐温性能，在航空航天高温隔热领域极具潜力。然而，其高温受热时的相转变、孔结构坍塌和烧结收缩，制约了其在高温工况下的应用。本文聚焦三大耐温性能调控策略：结构单元调控、外源组分掺杂和隔离相构筑，系统综述了近年来提升氧化铝气凝胶耐温性能的研究进展，并对其未来研究方向进行了展望。

在国家海洋强国战略的驱动下，混凝土在海洋基础设施中得到了广泛应用，其腐蚀与防护问题引起了学界的广泛关注。理解污损生物对混凝土性能的影响机制，对于解决海洋腐蚀难题至关重要。牡蛎作为在混凝土表面形成高密度附着的优势污损物种，已成为研究重点。因此，本文系统梳理了以下3个方面：1）海洋环境中牡蛎附着的过程及关键影响因素；2）牡蛎附着对海洋工程混凝土耐久性的双重影响，涵盖腐蚀与防护2种机制；3）当前用于防止污损或诱导有益定植的策略。基于上述综合分析，本文最后指出了未来具有前景的研究方向。