IA prevê com precisão resistência ao fogo de novos materiais para indústria
Contudo, sua inflamabilidade inerente representa um desafio de segurança, restringindo seu uso em aplicações críticas onde a resistência ao fogo é essencial.
Contudo, sua inflamabilidade inerente representa um desafio de segurança, restringindo seu uso em aplicações críticas onde a resistência ao fogo é essencial.
Nova ferramenta de IA para prever resistência ao fogo em resinas epóxi
Pesquisadores do IMDEA Materials Institute, localizado na Espanha, desenvolveram uma estratégia baseada em inteligência artificial (IA) para prever e avaliar a resistência ao fogo de resinas epóxi. Esses polímeros são amplamente usados na indústria, especialmente nos setores de construção civil, automotivo, eletrônicos e aeroespacial, devido às suas propriedades mecânicas e químicas. Contudo, sua inflamabilidade inerente representa um desafio de segurança, restringindo seu uso em aplicações críticas onde a resistência ao fogo é essencial.
O estudo foi publicado na revista científica Polymer Degradation and Stability e destaca que o novo sistema permite identificar, de forma rápida e econômica, materiais mais seguros e eficientes. Isso se mostra especialmente vantajoso ao substituir os métodos tradicionais baseados em ciclos demorados e caros de tentativa e erro, comuns no desenvolvimento de materiais retardantes de chamas.
Desafios do desenvolvimento de resinas epóxi resistentes ao fogo
As resinas epóxi, apesar da versatilidade, possuem alta inflamabilidade, o que gera riscos em ambientes que demandam segurança contra incêndios. Para reduzir esses riscos, fabricantes incorporam retardantes de chama aos polímeros. Entre eles, os retardantes à base de fósforo, conhecidos como P-FRs (Phosphorus-based Flame Retardants), têm sido destaque por oferecerem alternativas mais seguras, principalmente por não conterem halogênios — elementos que geralmente possuem impacto ambiental e toxicidade superiores.
O processo tradicional para desenvolver retardantes eficazes envolve várias etapas: concepção do material, síntese laboratorial e testes experimentais. Este método é não apenas lento e dispendioso, mas também dependente de condições experimentais difíceis de padronizar. Esses fatores dificultam a inovação rápida e a personalização de materiais para aplicações específicas.
Funcionamento do modelo de inteligência artificial desenvolvido
A nova ferramenta desenvolvida pelo IMDEA foi treinada com um conjunto de dados que inclui 510 amostras de compósitos de resinas epóxi contendo retardantes baseados em fósforo. O modelo utiliza aprendizado de máquina para analisar a estrutura molecular desses retardantes, bem como a formulação do polímero e outras variáveis relacionadas.
Desta forma, é possível prever dois indicadores chave usados internacionalmente para avaliar resistência ao fogo: a classificação UL-94 de inflamabilidade vertical e o Índice Limitante de Oxigênio (LOI). A UL-94 avalia o comportamento do material quando exposto a uma fonte padronizada de ignição, classificando-o conforme o tempo que continua queimando após a ignição, presença de gotejamento de material inflamado e outras características do fogo. Já o LOI mede a concentração mínima de oxigênio em uma mistura com nitrogênio necessária para manter a combustão do material em teste.
A combinação dessas duas métricas proporciona um panorama completo e confiável do comportamento do polímero em condições reais de exposição ao fogo, contribuindo para avaliações mais precisas do desempenho de materiais.
Inovação na avaliação e potencial impacto industrial
Além da capacidade preditiva, o trabalho apresenta um sistema de avaliação que integra os resultados da IA em uma classificação simples e direta, dividindo o desempenho retardante dos materiais em quatro níveis: excelente, bom, moderado e fraco. Essa abordagem facilita a interpretação dos dados por engenheiros e desenvolvedores de materiais, agilizando a tomada de decisão e a priorização de polímeros com maior potencial para uso seguro.
O modelo já foi validado utilizando estudos de caso externos, o que demonstra sua robustez e aplicabilidade em contextos reais. O grupo de pesquisa em Polímeros de Alta Performance e Retardantes de Chama, liderado pelo professor De Yi Wang no IMDEA, planeja expandir a base de dados para incluir outros tipos de polímeros e retardantes, ampliando assim o escopo e alcance das previsões.
As aplicações diretas dessa tecnologia podem contribuir para o aumento da segurança em componentes eletrônicos, baterias de veículos elétricos, interiores de aeronaves e materiais de construção, segmentos nos quais a resistência ao fogo é crucial para proteção de usuários e integridade estrutural.
Considerações finais e próximos passos
O desenvolvimento deste modelo representa um avanço na integração da inteligência artificial ao campo dos materiais poliméricos com foco em segurança contra incêndios. Ressalta-se, entretanto, que o sucesso do modelo depende da qualidade e diversidade dos dados utilizados para seu treinamento, o que reforça a importância de expandir as bases de dados para outras categorias de materiais retardantes.
Embora o estudo esteja focado em retardantes à base de fósforo e resinas epóxi, as metodologias apresentadas podem ser adaptadas para outros polímeros, conforme a ampliação da base de conhecimentos. Essa adaptação, contudo, requer validação e ajustes específicos para garantir a acurácia das previsões.
No que tange ao mercado brasileiro, embora o artigo não analise diretamente dados locais, a aplicação dessa tecnologia poderá ser relevante para indústrias nacionais que utilizam resinas epóxi, pois há demanda crescente por materiais seguros e ambientalmente responsáveis em setores variados como construção, automotivo e eletrônicos. O avanço em IA para a segurança de materiais pode, portanto, influenciar normas, desenvolvimento e competitividade industrial no Brasil e no mundo.
Informações editoriais
Fonte: Phys.org
Tiago Oliveira
Responsável pela curadoria editorial da TECSOCIETY, com foco em tecnologia, inteligência artificial, segurança digital, automação e games para leitores brasileiros.
Ver perfil editorial