玻璃科学与工程领域对新型高性能玻璃的需求日益迫切,传统试错法及物理建模存在效率低、成本高或精度不足等问题。人工智能和机器学习为玻璃设计与开发提供了更加有效的新方法,通过数据集构建、模型训练与验证,可以高效预测玻璃成分、结构及性能。本文阐述了机器学习的基础原理、核心算法(含监督与无监督学习),总结了近年来机器学习在多类玻璃中的应用成果,重点综述了基于机器学习的成分-性能、成分-结构、成分-结构-性能建模与设计玻璃材料的研究进展。已有研究表明,机器学习能显著提升玻璃性能预测准确度与开发效率,但目前仍面临泛化能力不足、复杂结构拟合困难等挑战。未来,随着技术完善与多领域融合,机器学习将持续推动玻璃科学的创新发展,为新型玻璃研发提供更高效的技术支撑。