用于低易燃性聚合物开发的机器学习平台
机器学习
2025-04-02 v1 材料科学
摘要
易燃指数（FI）和热浴 calorimetry 结果（如最大热释放率、点燃时间、总烟释放量和火焰增长率）是评估聚合物防火性能的关键因素。然而，由于材料在热暴露下的行为复杂，预测这些属性具有挑战性。本文研究了使用机器学习（ML）技术预测这些易燃指标的方法。我们使用 Synthetic Data Vault 生成合成聚合物，以增强实验数据集。我们的全面 ML 调查使用了我们的聚合物描述符以及由 RDkit 库生成的描述符。尽管存在实验数据有限的挑战，我们的模型显示出准确预测 FI 和热浴 calorimetry 结果的潜力，这在为设计更安全的聚合物方面具有重要意义。此外，我们开发了 POLYCOMPRED，这是一个集成到基于云的 MatVerse 平台中的模块，提供用于易燃性预测的易于访问的 Web 界面。这项工作不仅提供了聚合物易燃性的预测建模，还提供了一个用于发现和设计具有定制防火性能的新材料的交互式分析工具。
引用
@article{arxiv.2504.00223,
title = {A machine learning platform for development of low flammability polymers},
author = {Duy Nhat Phan and Alexander B. Morgan and Lokendra Poudel and Rahul Bhowmik},
journal= {arXiv preprint arXiv:2504.00223},
year = {2025}
}