亨斯迈建筑解决方案正借助人工智能技术,革新喷涂聚氨酯泡沫保温材料的防火性能建模与开发流程。此举不仅提升了配方研发的效率,也显著降低了对成本高昂、周期漫长的大型防火测试的依赖。相关工作依托“黄晶平台”展开——这是一个专为整合实验数据与预测分析而设计的人工智能材料信息学系统。
满足ASTM E-84等防火安全标准,是建筑用喷涂聚氨酯泡沫获得认证的关键环节。该标准主要评估材料的火焰蔓延与烟气生成特性。传统的开发模式依赖于连续的小规模测试及独立的大型防火测试,整个过程往往耗时数月且投入巨大。亨斯迈致力于构建一个数据驱动的框架,将深入的化学认知与快速迭代的建模相结合,从而加速整个开发周期。
黄晶平台通过融合小规模防火测试数据、配方输入以及成分比例、分子指纹等材料描述符,对人工智能模型进行系统训练,使其能够预测包括火焰蔓延、烟气生成和隔热性能(R值)在内的多项关键指标。在此基础上,工程师采用序列学习方法——这是一种通过模型建议来指导实验室实验的迭代工作流程,并将新产生的实验结果重新反馈至系统,从而持续优化预测准确性,并优先筛选出最具潜力的配方路径。
人工智能辅助开发已取得实质性成果,其中之一便是R1.3-FR配方的成功推出。该配方作为初始配方AI002的改良版本,在独立的大型测试中表现出显著提升的耐火性能,同时保持了良好的可喷涂性与预期的物理性能目标。亨斯迈方面表示,这一人工智能工作流程有效减少了无效劳动,加深了对材料行为的理解,并整体缩短了产品开发周期。
亨斯迈特种产品及屋面材料技术总监罗热里奥·德拉蒙德·德索萨特别指出:“这使得人工智能与机器学习成为真正的创新合作伙伴,而不仅仅是简单的推荐工具。”他的强调凸显了机器学习在配方策略中扮演的积极参与者角色。