【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

文摘   2024-11-05 21:10   北京  
点击上方蓝字 一键订阅


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。

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丙烯酰胺(AAm为基质、明胶为增强剂、[Fe(CN)6]3-/4-为氧化还原。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-1Li+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。


2. TG-DNH的机械性能研究


3. TG-DNH的热电性能。


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

纳米发电机
本公众号致力于发现、分享“纳米发电机”领域的优秀工作、科研进展! 关于公众号运营的建议和意见欢迎向我们反馈,也欢迎大家投稿课题组的最新科研进展和优秀工作:advanced_teng@binn.cas.cn。
 最新文章