Tan, QiongWang, De Yi2026-08-032026-08-032026-08Tan, Q & Wang, D Y 2026, 'Data-driven prediction and non-compensatory assessment of flame retardancy in phosphorus-containing flame-retardant epoxy resin', Polymer Degradation and Stability, vol. 250, 112207. https://doi.org/10.1016/j.polymdegradstab.2026.1122070141-3910https://hdl.handle.net/10641/8221Publisher Copyright: © 2026 The Authors. Published by Elsevier Ltd. This is an open access article under the CC BY license. http://creativecommons.org/licenses/by/4.0/La ignifugación es esencial en las aplicaciones de resina epoxi (EP). Los retardantes de llama con fósforo (P-FR) han sido reconocidos como uno de los aditivos libres de halógenos más prometedores para mejorar la resistencia al fuego de la EP. Sin embargo, el cribado rápido y de bajo coste de compuestos EP/P-FR de alta eficiencia, así como la evaluación sistemática de su desempeño ignífugo, siguen siendo un reto. En este trabajo se desarrolla una estrategia basada en datos para la predicción y evaluación integral de la ignifugación en sistemas EP/P-FR. Se consideran conjuntamente descriptores estructurales del polímero, características de la formulación y de las condiciones, integrados mediante fusión de características. Las métricas clave de evaluación de la ignifugación, incluida la clasificación de combustión vertical UL-94 y el índice límite de oxígeno (LOI), se predicen mediante modelos de aprendizaje automático. Los modelos propuestos alcanzan una alta precisión de 0,81 para la clasificación UL-94 y un R² de 0,79 (MAE=1,21%) para la predicción del LOI en el conjunto de prueba. El análisis de importancia de características cuantifica las contribuciones de las variables estructurales y de formulación, revelando los factores clave que determinan el desempeño ignífugo. Además, se propone un marco de evaluación no compensatorio para la evaluación de la ignifugación de polímeros. Los valores predichos de la clasificación de combustión vertical UL-94 y del LOI se incorporan como entradas centrales de evaluación dentro de un marco de decisión unificado. Con base en este marco, se construye un espacio de desempeño de seis estados, y se definen cuatro niveles semánticos de ignifugación, denotados de l-1 a l-4, que representan un desempeño ignífugo excelente, bueno, moderado y deficiente, respectivamente, con los sufijos a y b que indican estrategias de decisión priorizando UL-94 y priorizando LOI. Este trabajo no solo proporciona una estrategia práctica para el descubrimiento y diseño de compuestos EP/P-FR de alto rendimiento, evitando ensayo y error extensivo, sino que también permite una evaluación no compensatoria más científica e integral de la ignifugación en dichos sistemas. [Traducción automática al español; idioma original: inglés.]Flame retardancy is essential in epoxy resin (EP) applications. Phosphorus-containing flame retardants (P-FRs) have been recognized as one of the most promising halogen-free additives for improving the fire resistance of EP. However, rapid and low-cost screening of high-efficiency EP/P-FR composites and systematic assessment of their flame-retardant performance remain challenging. In this work, a data-driven strategy is developed for the prediction and comprehensive assessment of flame retardancy in EP/P-FR systems. Polymer structural descriptors, formulation, and condition-related features are jointly considered and integrated through feature fusion. Key flame retardancy evaluation metrics, including the UL-94 vertical burning rating and limiting oxygen index (LOI), are predicted using machine-learning models. The proposed models achieve a high accuracy of 0.81 for UL-94 classification and an R² of 0.79 (MAE=1.21%) for LOI prediction on the test set. Feature importance analysis quantifies the contributions of structural and formulation variables, revealing key factors governing flame-retardant performance. Furthermore, a non-compensatory evaluation framework is proposed for polymer flame retardancy assessment. The predicted UL-94 vertical burning rating and LOI values are incorporated as core evaluation inputs within a unified decision framework. Based on this framework, a six-state performance space is constructed, and four flame-retardant semantic levels, denoted as l-1 to l-4, representing excellent, good, moderate, and poor flame retardancy performance, respectively, with suffixes a and b indicating UL-94-prioritized and LOI-prioritized decision strategies. This work not only provides a practical strategy for the discovery and design of high-performance EP/P-FR composites, circumventing extensive trial-and-error, but also enables a more scientific and comprehensive non-compensatory evaluation of flame retardancy in such systems.115251285enginfo:eu-repo/semantics/openAccessEpoxy resinFlame retardancyMachine learningNon-compensatory assessmentPredictionCondensed Matter PhysicsMechanics of MaterialsPolymers and PlasticsMaterials ChemistryYes/dk/atira/pure/researchoutput/researchoutputtypes/contributiontojournal/article10.1016/j.polymdegradstab.2026.112207https://www.scopus.com/pages/publications/105039254185https://www.scopus.com/pages/publications/105039254185#tab=citedBy