随着世界各地区基础设施的快速发展，新型高性能建筑材料的发展受到了越来越多的关注[1],[2]。特别是UHPC作为一种基于水泥的建筑材料，因其优异的力学性能[3],[4],[5]和出色的耐久性[6],[7],[8]而备受青睐。因此，近年来UHPC取得了迅速进展，通常应用于轻型建筑[9],[10]、大跨度结构[11],[12]和国防项目[13]等领域。UHPC的力学性能从根本上决定了其在建筑结构中的承载能力和使用寿命。此外，力学性能不仅是水泥基材料的主要特性，也是混凝土结构设计的重要指标[14],[15]。因此，探索实现UHPC优异力学性能的有效策略是必要的。
影响UHPC力学性能的因素有很多，如水灰比[16],[17],[18]、掺合料[19],[20]、养护条件[21],[22],[23]、纤维[24]等。其中一些因素（如水灰比、级配良好的原材料等）可以为UHPC提供致密的颗粒堆积结构[25]。这不仅是保证UHPC优异性能的最基本设计原则[26]，也突显了物理堆积在UHPC强度发展中的关键作用[27]。目前，大量研究集中在利用堆积密度作为UHPC最优设计的指标[28],[29],[30]。Yin等人[29]表明，优化后的混合设计使得UHPC的颗粒堆积密度更高，从而在保证力学性能的前提下提高了其耐久性。同样，Wang等人[30]发现，采用D-最优方法设计的UHPC具有较高的堆积密度，从而具有更高的抗压强度和致密的孔结构。这些研究表明，提高UHPC的堆积密度是实现其增强力学性能的可行途径。同时，化学反应对UHPC的强度发展也至关重要[31]。特别是由火山灰反应和水泥水化作用生成的C-S-H凝胶被认为是影响水泥基材料力学性能的关键成分[32],[33],[34]。鉴于C-S-H凝胶对强度发展的重要性，也有研究探讨了化学反应对UHPC强度性能的影响[35],[36]。Li等人[37]表明，在后期阶段，火山灰反应比C3S/C2S水化作用更为强烈，从而增强了UHPC后期强度的发展潜力。Xi等人[38]发现，UHPC在3天后的抗压强度提升是由于硅灰（SF）的火山灰反应和水泥水化作用共同作用的结果。这些发现表明，增强UHPC中的化学反应程度也是实现更好力学性能的最佳方法。然而，UHPC的优异力学性能并非由物理堆积或化学反应单独决定，而是两者共同作用的结果，共同形成了超密微观结构[39],[40]。因此，明确物理堆积、化学反应与UHPC基体致密结构之间的关系至关重要。
总体而言，堆积密度对硬化浆体的性能具有重要意义[41],[42]。较高的堆积密度是实现低孔隙率[43],[44]的关键，能够形成更致密的基体结构[45],[46],[47]。同时，较高的堆积密度为水泥基材料的水化提供了有利的环境[48]，不仅增强了活性水泥基材料的反应程度，还优化了水化产物的空间分布。因此，即使在化学反应产生的水化产物较少的情况下，也能形成更致密的UHPC基体孔结构。Fan等人[49]发现，含水泥量最低的UHPC具有最低的孔隙率，这归因于其较高的堆积密度。同样，Shi等人[26]表明，即使由于初始堆积密度较高，EUHPC也能实现较低的孔隙率和优异的力学性能。综上所述，UHPC的优异力学性能取决于其致密结构，这归功于原始物理堆积的作用，以及化学反应产生的水化产物的胶结和填充[50]。然而，目前尚未对物理堆积和化学反应对UHPC力学性能的贡献进行系统研究。这是因为在如此复杂的混合物中，实验上难以探究小范围堆积密度对UHPC力学性能的影响。为了解决这一挑战，开发有效的方法来预测堆积密度与力学性能之间的关系至关重要。传统的预测混凝土性能演变的方法依赖于经验关系（如多元线性回归），但这些相关性无法充分捕捉原材料之间的复杂相互作用，从而导致预测结果的准确性不足[51]。因此，人工智能（AI）技术已成为预测堆积密度和性能以优化UHPC配方的工具[28],[29],[30]。在AI算法中，人工神经网络（ANN）[52]因其能够对案例数据集进行深度学习而脱颖而出。通过模拟大脑的学习机制，ANN可以评估多个输入变量与多个输出变量之间的相互关系[53]。这种能力凸显了ANN在混凝土领域预测性能方面的显著优势[54]。尽管如此，利用ANN预测堆积密度对UHPC力学性能的影响的研究仍较少。
基于上述观点，本研究通过神经网络和热力学计算探讨了物理堆积和化学反应对UHPC力学性能的贡献。此外，对UHPC样品的水化动力学、孔结构、湿堆积密度、相变和力学性能的研究为探究物理堆积和化学反应对UHPC强度发展的贡献奠定了基础。
