摘要：为了厘清自密实混凝土材料各组分与其工作性能、力学性能、耐久性能间的复杂耦合影响机制,近年来,机器学习方法被越来越多地应用于自密实混凝土配合比设计与优化以及性能分析方面的研究。机器学习方法具有在复杂数据集中学习数据间的内在规律或映射关系的能力,在自密实混凝土设计领域被认为是构建混凝土原材料配合比与性能间映射关系模型的一种具有广阔前景的技术手段。然而,机器学习方法由于其依赖的数据集难以满足以及算法架构的可解释性较差等因素限制,使得基于机器学习在自密实混凝土性能设计领域面临着一系列挑战。本文系统总结梳理当前机器学习在自密实混凝土各项性能设计的应用情况,重点分析数据驱动的机器学习算法应用于自密实混凝土设计领域时面临的主要技术难点:高维度与小样本数据的难题、性能多目标优化难题、模型复杂而缺乏可解释性难题;归纳总结机器学习在自密实混凝土材料性能设计领域应用的发展趋势及未来发展方向。