基于数据的阻燃性能预测及不含补偿因子的含磷阻燃环氧树脂阻燃性评估

《Polymer Degradation and Stability》：Data-driven prediction and non-compensatory assessment of flame retardancy in phosphorus-containing flame-retardant epoxy resin

　　

Qiong Tan | De-Yi Wang

IMDEA材料研究所，C/Eric Kandel，2 Getafe，28906，马德里，西班牙

摘要

阻燃性能在环氧树脂（EP）的应用中至关重要。含磷阻燃剂（P-FRs）被认为是提高EP防火性能的最有前景的无卤添加剂之一。然而，高效EP/P-FR复合材料的快速低成本筛选及其阻燃性能的系统性评估仍然具有挑战性。在这项工作中，我们开发了一种数据驱动策略，用于预测和全面评估EP/P-FR系统的阻燃性能。通过特征融合，综合考虑了聚合物结构描述符、配方以及与条件相关的特性。使用机器学习模型预测了关键的阻燃性能评估指标，包括UL-94垂直燃烧等级和极限氧指数（LOI）。所提出的模型在UL-94分类方面的准确率为0.81，在测试集上LOI预测的R2值为0.79（MAE=1.21%）。特征重要性分析量化了结构和配方变量的贡献，揭示了控制阻燃性能的关键因素。此外，还提出了一种非补偿性评估框架用于聚合物阻燃性能评估。将预测的UL-94垂直燃烧等级和LOI值作为统一决策框架的核心评估输入。基于此框架，构建了一个六态性能空间，并定义了四个阻燃性能级别，分别表示为L-1至L-4，代表优异、良好、中等和较差的阻燃性能，后缀a和b分别表示优先考虑UL-94和LOI的决策策略。这项工作不仅提供了一种发现和设计高性能EP/P-FR复合材料的实用策略，避免了大量的试错过程，还使得此类系统的阻燃性能评估更加科学和全面。

引言

环氧树脂（EP）是最重要的聚合物之一，广泛应用于建筑、汽车、电子和航空航天等行业[1]。在欧洲，EP市场的年产量已超过410.60千吨。然而，其固有的易燃性会导致在火灾条件下迅速燃烧，并释放大量热量和有毒烟雾，这限制了其在对安全性要求较高的应用中的进一步使用[2,3]。将阻燃剂（FRs）掺入EP中被认为是一种有效的提高其防火安全性的方法[[4], [5], [6]]。基于磷的阻燃剂（P-FRs）是最常用的无卤系统之一[7,8]。传统上，高效FR的开发与优化是一个劳动密集且成本高昂的过程，需要经过设计、合成、表征和性能测试的循环，这些步骤耗时且成本高昂，并且对操作条件非常敏感[[9], [10], [11]]。此外，聚合物材料系统和配方的复杂性和多样性使得仅通过传统的实验探索难以建立可靠的结构-性能关系[12]。几十年来，人们一直希望能从分子结构和配方参数预测EP的阻燃性能，以加速材料开发。

近年来，数据驱动方法，特别是机器学习（ML）技术在预测聚合物阻燃性能方面显示出巨大的潜力[[13], [14], [15], [16], [17], [18]]。ML构建了端到端的预测模型，可以捕捉阻燃性能预测的复杂关系[19,20]。基于此，研究人员开发了ML模型来预测常见的易燃性能参数，包括LOI、UL-94垂直燃烧等级和峰值热释放率（PHRR）[[21], [22], [23], [24], [25], [26], [27]]。Xiao等人报告了一个ML框架，用于预测锥形量热计测试（CCT）中的热释放率曲线[21]。Wang等人提出了一个可解释的阻燃性能定量模型，可以实现高精度的阻燃性能预测[28]。Li等人为环氧树脂构建了LOI、PHRR和UL-94垂直燃烧等级的ML模型[26]。然而，大多数现有的预测模型都是针对特定的阻燃系统开发的，因此不能直接应用于其他基于FR的EP复合材料。此外，大多数研究侧重于预测单个阻燃指标或并行展示多个预测指标，而很少关注如何解释这些预测并将它们转化为统一且可比的整体阻燃性能评估。因此，迫切需要新的方法来减少实验工作量，同时实现系统化、可解释和集成的聚合物阻燃性能评估。

在这项工作中，我们提出了一个数据驱动框架，用于预测和全面评估EP/P-FR复合材料的阻燃性能。开发了整合结构和配方相关特性的ML模型，以预测关键评估指标，包括UL-94垂直燃烧等级和LOI值。这些预测结果被纳入一个非补偿性评估框架中，在该框架中，LOI值和UL-94垂直燃烧等级被视为两个核心评估维度。在此框架内，构建了一个由六种性能组合组成的阻燃状态空间，并定义了四个具有明确物理和工程意义的阻燃等级。

部分摘录

数据驱动阻燃性能评估框架概述

在这项工作中，采用EP/P-FR系统作为开发和验证所提出数据驱动框架的代表案例，因为它在现有文献中提供了足够的实验多样性和覆盖范围。

数据驱动的阻燃性能评估框架旨在预测关键的易燃性能参数，如LOI和UL-94垂直燃烧等级，并能对阻燃性能进行全面评估。

数据集表示

在这项研究中，使用了共510个含有P-FRs的EP复合材料样本来训练和测试模型。每个样品都包含了UL-94等级和LOI值。根据现有数据，可以收集到影响LOI和UL-94垂直燃烧等级的多种因素，如EP基体、协效剂和P-FRs的结构等。这些因素通常可以分为三类：(a) 配方描述符、(b) P-FRs的组成和用量以及(c) P-FRs的结构

结论

这项工作提出了一个数据驱动和非补偿性的评估框架，用于预测和全面评估EP/P-FR系统的阻燃性能。通过特征融合整合结构、配方和其他与条件相关的特性，构建了ML模型来预测关键的阻燃性能指标，包括UL-94垂直燃烧等级和LOI值。所提出的模型实现了可靠的预测性能，UL-94的准确率为0.81

CRediT作者贡献声明

Qiong Tan：方法论、软件、形式分析、调查、数据整理、撰写-原始稿件、可视化。De-Yi Wang：概念化、撰写-审阅与编辑、监督。

CRediT作者贡献声明

Qiong Tan：撰写-原始稿件、可视化、软件、方法论、调查、形式分析、数据整理。De-Yi Wang：撰写-审阅与编辑、监督、概念化。

利益冲突声明

作者声明他们没有已知的、可能影响本文所报告工作的竞争性财务利益或个人关系。

资金来源

这项工作得到了欧盟的Marie Sk?odowska-Curie Actions博士后奖学金（HORIZON-MSCA-2024-PF-01）的支持，项目编号为101205162 - FireDesign。