有机高分子材料是体积产量最大的大类材料。与金属和无机非金属材料相比，有机高分子材料普遍易燃，在热、火或电气故障等条件下易被引燃并诱发火灾。发展阻燃高分子材料，是从源头降低材料火灾危险性的关键途径。长期以来，阻燃材料设计主要依赖经验积累和反复试验，研究者通常通过调控分子结构、复配阻燃剂、促进凝聚相成炭、抑制气相自由基反应等策略提升阻燃性能，并结合离线热解、残炭表征和燃烧测试推断机理。这些研究推动了阻燃材料发展，但燃烧过程具有显著动态性和复杂性，材料结构、气相产物及凝聚相残余随时间持续演化，传统静态表征难以完整反映真实受火过程。因此，在真实受火条件下解析关键反应路径，明确阻燃结构对燃烧过程的调控机制，仍是阻燃高分子材料科学设计亟待解决的核心问题。
围绕这一难度大且长期未有效解决的难题，王玉忠院士团队前期研制了聚合物燃烧过程实时在线分析仪，可在真实燃烧过程中同步获取热释放、烟释放、官能团、精细化学结构和烟尘颗粒等多维信息，并在表征燃烧和阻燃性能的同时实现燃烧行为与阻燃机理原位分析。基于该平台，团队围绕真实燃烧数据采集、阻燃机理直接表征、阻燃材料数据库构建、机器学习预测和阻燃材料设计开展系列研究，建立了分子基团对阻燃性能的定量贡献模型，用于阻燃结构筛选与验证；进一步构建集成结构、性能与燃烧信息的数据集，发展融合高分子链结构与燃烧特征的高精度构效关系模型，并提出人工智能辅助阻燃材料设计思路（Accounts of Materials Research，2025，6，544–549；Chinese Chemical Letters，2025，36，110699；Acta Polymerica Sinica，2025，56，420–430；Research，2024，7，0406；Polymer Degradation and Stability，2024，230，110981；Chemical Engineering Journal，2024，484，149565）。
近日，王玉忠院士团队受邀在《Progress in Polymer Science》撰写“Reaction-to-Fire Characterization Data Driving the AI-Assisted Design of Flame-Retardant Polymeric Materials”综述论文。该综述共同第一作者为四川大学先进高分子材料全国重点实验室博士研究生吴睿智、李凡和匡雅含，通讯作者为王玉忠教授和付腾研究员，相关工作得到国家自然科学基金项目（52541007、U24A6004）等资助。
该综述在团队前期研究基础上，系统梳理了对火反应表征数据与人工智能辅助阻燃设计之间的关系（图1）。阻燃性能并非由材料初始结构直接决定的静态性质，而是材料在受火过程中经历加热、热解、点燃、气相燃烧、热反馈和凝聚相重构等多阶段耦合后的综合结果。因而，仅依赖材料结构、配方组成或少数终点燃烧指标，难以揭示阻燃性能形成机制。人工智能为处理复杂多变量问题提供了方法支撑，但其有效应用依赖数据质量、可比性和机理相关性。现有数据驱动研究仍主要使用化学描述符、配方信息和结果型燃烧指标，热释放、气相产物演化、凝聚相结构变化等过程信息利用不足；同时，数据层级、测试条件和参数定义缺乏统一规范，限制了模型可解释性、可迁移性和泛化能力。
图1 对火反应表征数据与人工智能辅助阻燃设计之间的有机关系
针对上述问题，文章将对火反应表征明确为人工智能辅助阻燃高分子材料研究的实验基础和数据基础，系统分析火灾测试方法、参数体系、测试条件与建模之间的内在联系，并提出由五个功能模块组成的对火反应表征框架（图2）。火环境模拟用于定义热输入方式、气氛条件、反应空间和点火方式，是数据可比性的前提；物理参数采集用于记录温度、质量损失、火焰形貌、烟释放和热释放等宏观燃烧响应；气相产物诊断用于分析自由基、中间体、小分子气体和挥发性产物的生成与演化；凝聚相产物分析用于表征残炭或无机残余结构的形貌、组成、化学键和相结构；接口配置用于实现样品、产物和信号在不同测试单元之间的稳定传递、同步采集和统一控制。该框架将聚合物热解、气相燃烧、烟气生成和凝聚相演化等复杂过程转化为结构化、可量化的数据输出，为人工智能建模提供支撑。
图2 五功能模块组成的对火反应表征框架
该综述进一步指出，对火反应数据在人工智能建模中的价值不仅取决于参数数量，更取决于火环境条件、测试层级和过程相关信息是否被系统记录和规范表达。未来，阻燃高分子材料人工智能研究应从静态结构—性能拟合，转向基于明确测试条件和燃烧过程约束的建模方式（图3），从而提升模型可解释性、可迁移性和设计可靠性。总体来看，该综述强调阻燃高分子材料智能设计不能只依赖分子结构、配方组成和终点燃烧指标，而应引入受火过程中的对火反应表征数据，通过明确火环境、参数体系、气相产物演化、凝聚相结构变化和多源数据推动阻燃材料研究由经验试错和结果评价走向真实燃烧过程数据驱动的科学设计。
图3 基于对火反应表征数据的阻燃材料建模设计思路
论文信息如下：Reaction-to-Fire Characterization Data Driving the AI-Assisted Design of Flame-Retardant Polymeric Materials, Rui-Zhi Wu, Fan Li, Ya-Han Kuang, Ya-Jie Yang, Xiu-Li Wang, Yu-Zhong Wang*, Teng Fu*, Progress in Polymer Science.
https://doi.org/10.1016/j.progpolymsci.2026.102153
