蚁群算法引导合成新型氮磷阻燃剂显著提升聚乳酸(PLA)阻燃性能

本研究创新性地结合蚁群优化算法与随机森林(RF)特征选择，成功筛选出C-P(N)2=O键作为提升聚乳酸(PLA)极限氧指数(LOI)的关键结构特征。据此合成的PDAZ阻燃剂仅需3wt%添加量即可使PLA的LOI提升至30.5%，热重分析(TGA)显示残碳量增加4.95%，锥形量热(CCT)测试表明峰值热释放率(pHRR)降低11.1%，为开发生物基高效阻燃材料提供了智能化解决方案。

　　

Highlight

本研究亮点在于采用仿生智能算法突破传统试错法局限，通过机器学习精准锁定含磷关键官能团，实现"算法指导合成"的创新研究范式。

Methods

研究方法流程如图1所示：使用InDraw软件提取实验数据构建数据集，将化学结构转换为SMILES字符串（大分子采用单体单元表示），通过alvaDesc软件计算分子描述符，结合添加量组成特征集，以LOI作为预测目标建立智能模型。

Dataset sources and preprocessing

从Elsevier文献中收集355组PLA含氮磷阻燃剂的LOI数据，要求基材必须为聚乳酸。化学结构经InDraw转化为SMILES字符串，大分子阻燃剂采用重复单元表示，最终构建包含136个初始特征的数据库。

Structural analysis of PDAZ

图5展示了PDAZ与ABZM的FTIR谱图对比：ABZM在3480-3210cm^-1处出现伯胺N-H₂特征峰，而PDAZ谱图中该峰完全消失，同时在1230cm^-1处出现显著增强的P=O伸缩振动峰，证实成功构建目标C-P(N)₂=O活性结构。

Conclusions

研究证实：训练后的LOI预测模型测试集R²达0.669，特征重要性分析揭示C-P(N)₂=O键是低添加量下实现高LOI的关键。基于蚁群算法优化合成的PDAZ阻燃剂，实验验证3wt%添加即可使PLA的LOI突破30%，热释放率显著降低，碳层形成能力提升近5%。