Investigadores del Instituto IMDEA Materiales han desarrollado una estrategia basada en inteligencia artificial (IA) para predecir y evaluar la resistencia al fuego de las resinas epoxi, uno de los polímeros más utilizados en la industria.
El nuevo sistema, publicado en Polymer Degradation and Stability, permite identificar los materiales más seguros y eficientes de forma rápida y a bajo coste, superando los largos y costosos ciclos de ensayo y error del método tradicional.
Las resinas epoxi se emplean en sectores como la construcción, la automoción, la electrónica o la industria aeroespacial. Sin embargo, su inflamabilidad inherente supone un riesgo de seguridad significativo, limitando su uso en aplicaciones críticas.
Para abordar este desafío, se incorporan aditivos retardantes de llama a estos materiales, siendo los basados en fósforo (P-FRs) una de las alternativas más prometedoras y seguras al no contener halógenos.
“El desarrollo tradicional de retardantes de llama eficaces implica un proceso de diseño, síntesis y pruebas de laboratorio que es lento, caro y muy sensible a las condiciones experimentales,” explica la investigadora postdoctoral Marie Sklodowska Curie Actions, Dra. Qiong Tan.
“Para superar este obstáculo, desarrollamos un modelo de aprendizaje automático entrenado con datos procedentes de 510 muestras de compuestos de resina epoxi (EP) que incorporaban retardantes de llama basados en fósforo.”
“El modelo analiza la estructura molecular de retardantes, la formulación de resinas epoxi ignífugas y otras variables para predecir con gran precisión dos indicadores clave de la resistencia al fuego: la clasificación de inflamabilidad vertical UL-94 y el índice límite de oxígeno (LOI),” añade.
La clasificación UL-94 es una prueba que evalúa cómo un material plástico se comporta al ser expuesto a una llama en posición vertical. Mide si el fuego se extingue por sí solo, en cuánto tiempo y si gotea partículas inflamadas.
Por su parte, el Índice de Oxígeno Límite (LOI, por sus siglas en inglés) mide la concentración mínima de oxígeno en una mezcla gaseosa de oxígeno y nitrógeno necesaria para mantener la combustión de un material bajo condiciones de ensayo específicas.
“La combinación de ambos indicadores ofrece una visión mucho más completa y fiable del comportamiento real del material”, dice la Dra. Tan.
Más allá de la predicción, la principal innovación de este trabajo es un nuevo marco de evaluación que integra los resultados de la IA en una clasificación unificada y fácil de interpretar.
El marco clasifica el rendimiento global de resistencia al fuego de un material en cuatro niveles semánticos (excelente, bueno, moderado o deficiente), proporcionando una guía clara y directa para los ingenieros y diseñadores de materiales. Esta metodología permite tomar decisiones más informadas y científicas, priorizando los polímeros con mayor potencial.
El modelo ya ha sido validado con éxito en casos de estudio externos, demostrando su robustez y aplicabilidad.
A través de su grupo de investigación de Polímeros de Alto Rendimiento y Retardantes de Fuego, liderado por el Prof. De Yi Wang, IMDEA Materiales planea expandir la base de datos para incluir otros tipos de polímeros y retardantes de llama.
“Sus aplicaciones directas podrían impactar en la seguridad de componentes electrónicos, baterías de vehículos eléctricos, interiores de aviones y materiales de construcción,” concluye la Dra. Tan.
This work was supported by the European Union under the Marie Skłodowska-Curie Actions Postdoctoral Fellowships (HORIZON-MSCA-2024-PF-01), Project 101205162 – FireDesign.