太原理工张虎林教授 Small：热电水凝胶用于机器学习辅助的自供电可穿戴材料识别

2024-11-04 来源：高分子科技

触觉是人类探索世界的重要方式之一，当人类触摸不同的材料时，往往可以通过感知温度来大致推断材料的类型。随着信息时代的到来，人们的生活水平随着先进电子技术的发展而不断提高。微型纳米制造技术的不断精进，也使得人们对电子皮肤等触觉传感器的期望持续攀升。然而，一些传统的触觉传感器存在依赖外部电源支持而缺乏便携性、不可或缺的接触变形或界面位移而缺乏足够的适用性以及制造复杂等问题，这些缺陷使得它们难以满足智能信息时代对触觉传感器的高标准要求，进而在一定程度上限制了它们在人工触觉感知领域的应用潜力。

图1. 基于 TG-DNH 的自供电材料识别示意图

近期，太原理工大学集成电路学院张虎林教授团队提出了一种基于热电双网络水凝胶的自供电材料识别技术，通过与不同材料接触时产生的界面热传递相关的电压信号，在没有外部电源连接的情况下主动推断材料的类型（图1）。文中所提到的热电双网络水凝胶（TG-DNH）以丙烯酰胺（AAm）为基质、明胶为增强剂、[Fe(CN)₆]^3-/4-为氧化还原对。此外，TG-DNH中的硅酸镁锂（LMS）扩大了其内部孔径，胍离子（Gdm⁺）扩大了氧化还原反应的熵差从而显著提高了其热功率（4.01 mV K^-1），Li⁺和Br^-通过调节水凝胶中水的饱和蒸汽压，减缓了水的流失速度，延长了水凝胶的有效工作时间。在出色的机械性能（图2）和热电性能（图3）的支持下，他们开发了一种基于TG-DNH的温度触发热电响应的自供电材料识别指环（MIR），并结合机器学习，通过分析与不同材料接触时产生的界面热传递相关的电压信号，完成了对七种材料的识别，准确率高达97.2%（图4）。这项研究可以进一步与人机交互相结合，并在未来扩展到与触觉相关的人工智能领域。该工作以“Self-Powered Machine-Learning-Assisted Material Identification Enabled by a Thermogalvanic Dual-Network Hydrogel with a High Thermopower”为题发表在《Small》（IF=13.3）。太原理工大学硕士生李运升为第一作者，通讯作者为太原理工大学张虎林教授。该研究得到了国家自然科学基金、山西省科技合作与交流专项和山西省研究生科技创新项目的支持。

图2. TG-DNH的机械性能研究

图3. TG-DNH的热电性能。

图4. 机器学习辅助的材料识别及MIR的演示。

该成果是张虎林教授团队关于凝胶热电器件研究的最新进展之一，这项工作构想了机器学习辅助的热电凝胶在信息安全和人机交互中的广阔前景。自2021年以来，张虎林教授团队制备了一系列基于不同聚合物网络和氧化还原对的热电凝胶可穿戴器件，并致力于开拓凝胶器件在人体健康监测和信息交互领域的应用场景，取得了一系列重要研究成果，具体详见：https://oec.tyut.edu.cn/info/1983/9267.htm

作者简介：张虎林，太原理工大学教授、博士生导师、学术委员会委员，山西省青年拔尖人才、三晋英才拔尖骨干人才，山西省青年科技工作者协会理事、中国青年科技工作者协会理事、四川省杰出青年基金获得者。2012-2014年赴美国佐治亚理工学院联合培养，2014年博士毕业于重庆大学并被电子科技大学直聘为副教授。2017年在香港理工大学访学1年，并于年底受聘为太原理工大学教授。研究方向为自供电可穿戴电子，已在Adv. Mater.、Nano Lett.、ACS Nano、Adv. Funct. Mater.、Nano Energy等国际一流学术刊物上发表SCI论文120余篇，其中第一/通讯作者73篇，论文被引用8500余次，h因子为44，所做的工作曾被CNN、BBC、NanoWerk、科学网、科技日报、中国科学报、太原日报等报道，研究成果获评2023年MINE优秀青年科学家、JMCC Emerging Investigators-2022、2020年山西省科技功勋、2019年山西省自然科学二等奖（排名第1）。主持国家自然科学基金（青年项目、面上项目）、山西省自然科学基金、山西省科技合作与交流专项、国家重点研发计划子课题等。

原文链接：https://doi.org/10.1002/smll.202405911

版权与免责声明：中国聚合物网原创文章。刊物或媒体如需转载，请联系邮箱：info@polymer.cn，并请注明出处。

（责任编辑：xu）

【大中小】【打印】【关闭】

诚邀关注高分子科技

更多>>最新资讯

更多>>科教新闻