近年来，让电子电路、基板等部件具有伸缩性的 “可伸缩器件” 受到关注。让这些器件与AI技术相融合，通过解读器件获得的数据，有望构筑出更先进的系统。然而，此前由于器件的反复使用会出现性能劣化以及个体差异导致的测量结果变动等原因，使得这些器件与AI的融合并未能取得进展。
本研究开发的“可伸缩混合器件”（左）。开发的器件和基于AI的分类结果如右图。右上部中的数据波动较大，但经过机器学习的一种——神经元网络的处理后，数据被按照特征进行了分类。
横滨国立大学研究生院工学研究院太田裕贵副教授和 GMO Pepabo, Inc等组成的研究团队，将刚性集成电路与可伸缩的液态金属电路和橡胶等组成的高柔性基板相结合，开发出了可实现数据高重现性的 “可伸缩混合器件”。即使将器件拉伸至原长度的2.5倍，也可实现与刚性惯性传感器集成电路相当的数据测量精度和数据重现性。研究团队还利用该器件收集了人在给绳打结、空中书写文字以及手语等手部动作的运动数据，通过AI对数据进行分类后发现，它能够高精度地识别出10种不同的绳结形状、空中书写的26种罗马字母和65个英语手语单词，正确率分别高达87%、98%和96%。
这一成果证明了柔性器件可以实现与现有刚性传感器相同的测量能力，并可与AI相结合，使实现动作识别智能系统成为可能。利用该成果，有望帮助人类开发出超越传统柔性器件只有简单测量功能的新系统，实现动作识别和形状识别等多种应用。（TEXT：JST广报课 中岛彩乃）
原文：JSTnews、2024年11月号
翻译：JST客观日本编辑部
