本周科技看点速递
（11.25-12.1）
1 局域优化的物理信息神经网络，PINN的新训练范式
2 关键点引导的无人机6D位姿估计及域自适应
3 无线、低功耗、多刺激模式触觉电子皮肤
4 基于组合仿生策略的柔性多层结构连续压力定位传感器
5 清华大学研发非接触式生理传感器，为驾驶安全提供新方案
6 基于动态酰胺键的耗散反应网络：构建活性液滴自组织系统
7 硅光子芯片上具有增强分辨率的去噪自动编码器辅助MEMS计算光谱仪
8 具有双向光响应的超弱光调制异质结静态和动态图像感知
01
计算机科学
局域优化的物理信息神经网络，
PINN的新训练范式
由于数值计算的局限，物理信息神经网络（PINNs）只能在离散的采样点上进行优化，限制了它们在全部定义域上的效果。近日，由清华大学软件学院龙明盛团队提出并从理论上分析了一个全新的PINN优化范式：局域优化，可以有效降低PINN的泛化误差。进一步，该团队提出RoPINN算法，在不增加任何梯度计算开销的情况下，一致提升了5种PINN网络在19类PDE求解任务上的效果。
该文章《RoPINN: Region Optimized Physics-Informed Neural Networks》发表于机器学习顶会NeurIPS 2024上。
图1 优化曲面
（图源：NeurIPS 2024）
简评：
@清华大学机械系2022级硕士生 潘智辉
为解决PINN领域长期存在的优化问题，该方法提出并理论分析了一个全新的PINN优化范式：局域优化，可以有效降低PINN的泛化误差。在这一理论的基础上，他们进一步提出了一个实用的优化算法RoPINN，在不增加额外梯度计算开销的情况下，一致地提升了多种PINN模型的PDE求解效果，在大模型训练方面十分具有应用潜力。
关键点引导的无人机
6D位姿估计及域自适应
现有的无人机视觉检测通常关注于2D图像检测，由西湖大学赵世钰团队提出了一种新型无人机6D姿态估计方法，命名为MAV6D。该方法能够检测目标无人机的3D边界框并估计它的3D位置和3D姿态。无人机的姿态与它的运动状态动态耦合，能够帮助我们更好地估计其运动。由于目前仍缺乏公开可用的无人机6D位姿数据集，本文提出了一种自动化数据收集方法并提供了一个高质量的无人机位姿数据集；为了提高检测方法在不同环境下的适用性和鲁棒性，本文还提出了一种基于自训练的无监督领域自适应方法。
相关论文《Keypoint-Guided Efficient Pose Estimation and Domain Adaptation for Micro Aerial Vehicles》近期已被国际机器人顶刊IEEE Transactions on Robotics（TRO）录用发表。
图2 质心点引导的关键点定位网络
（图源：IEEE TRO）
简评：
@清华大学机械系2022级硕士生 潘智辉
在这项研究工作中，该团队针对已知无人机的6D位姿估计问题开展了深入研究。不仅提出了无人机6D位姿估计方法和域自适应方法，而且还公开了自动化位姿数据收集方法和数据集。对无人机领域有着巨大的贡献。
02
先进制造
无线、低功耗、多刺激模式触觉电子皮肤
近日，美国西北大学John A. Rogers/黄永刚&西湖大学姜汉卿&大连理工大学解兆谦联合团队提出了一个微型化的机电结构，当与皮肤结合时，能够作为一个弹性储能元件，且支持双稳态，自感知变形模式，实现了压力、剪切力、振动、动态、静态的无线低功耗感知的系统级高度集成，文章于2024年11月6日发表于《Nature》正刊上。
人体皮肤中多样的机械触觉感受器能感知并传递丰富的触觉信息。在社交媒体、游戏、娱乐及生物医学康复治疗中，快速可编程的触觉激励器应用广泛且潜力巨大，能有效替代或增强人体感知能力。然而，现有触觉激励器功耗高、模式单一，仅能激活皮肤中单一类型的机械触觉感受器，且多为有线控制，限制了使用的便捷性和应用的广泛性。为充分挖掘触觉界面的应用潜力，需要皮肤中多类型机械感受器的协同参与，以实现多感官互动，这对可穿戴触觉激励/感官替代器件的开发提出了新的挑战。
针对上述业界广泛关注的挑战性难题，该文创新性设计了一种基于生物弹性恢复的无线、可编程、低功耗且具备多刺激模式的触觉皮肤电子器件。该器件凭借其独特的力-电-磁控制双稳态结构，能够在瞬态微电流的作用下，于压缩与放松两种状态间实现快速且精准的切换，实现皮肤不同层面的静态与动态的激励（见图）。同时，器件集成的压扭力学结构，结合先进的Kirigami设计，巧妙地实现了对皮肤剪切力与法向力的耦合作用，极大地丰富了触觉激励的多样性和精准度（见图），为用户带来了更为真实、细腻的触感体验。此外，该器件采用了轻质的柔性延展力学结构设计，使得整体轻薄且易于穿戴，完美实现了与皮肤的无缝保形贴合，提升了用户的舒适度，确保了器件在长时间使用过程中的稳定性和可靠性。最为重要的是，该器件集成了先进的无线控制电路系统，能够根据前方障碍物、使用者身体姿势及步态等实时信息，智能地调整激励模式。这种智能化的设计使得器件能够为用户提供更为个性化、精准且实时的触觉反馈，从而在视觉、平衡感和触觉感官替代等领域展现出广阔的应用前景。
图3 双稳态及压扭耦合力学结构设计
简评：
@清华大学机械系2024级硕士生 李林殊
本项研究开发了一种仿生弹性恢复原理的无线、低功耗、多刺激模式的触觉皮肤电子设备。该设备采用力-电-磁控制技术，结合双稳态和压扭耦合的力学结构设计，能够对肌肤不同层次的触觉机械感受器进行动态和静态的多模式激励，包括法向力和剪切力。这种可编程的多模式触觉刺激皮肤电子设备，在视觉辅助、平衡感知和触觉替代等领域具有广泛的应用潜力。
基于组合仿生策略的
柔性多层结构连续压力定位传感器
近日，吉林大学任露泉院士团队在Advanced Functional Materials杂志上发表了一篇题为“基于组合仿生策略的柔性多层结构连续压力定位传感器”的文章，设计并制作了一种基于组合仿生策略的柔性多层连续压力定位传感器（PPS）。该PPS由压力传感层（PSL）和压力定位层（PPL）组成。并可应用在压力监测、轮胎安全监测、月球车路况监测、人机交互情感交流等方面，进一步展示了PPS在压力信号的大小、位置测量和识别等方面的应用。
受脊柱和皮肤分层结构的启发，PPS被分为两个功能层，并使用仿生脊柱连接。PPS分为检测压力位置的压力定位层（PPL）和检测压力大小的压力传感层（PSL）。PPS不受外力作用时，PPL上下导电层之间不接触。在这种情况下，PPL电路处于开路状态，此时无法检测到电信号。当PPS受到外力时，PPL的上下导电层会接触。然后将PPL的电路连接起来，此时就可以得到电路中PPL的电阻值。上下导电层之间用支撑层隔开，形成夹层结构，避免两导电层直接接触。支撑层不宜太薄，避免PPL上下导电层因重力作用而接触。受表皮和真皮层之间棘层的启发，在PPL的上导电层基底上制备了仿生棘层。（参考文献33、34）仿生棘层在支撑上导电层的同时，可以在压力撤回后加速上导电层的恢复。此外，仿生棘层还促进了上层导电层与PSL之间的连接，从而大大降低了压力检测的下限。另一方面，PSL的设计灵感来自蝎子的狭缝感受器，其行走时，腿外骨骼上的狭缝感受器可以探测到15厘米外昆虫的活动。因此，为了提高传感器的灵敏度，在传感器的衬底或导电层上加入裂纹结构。
图4 仿生柔性压力定位传感器（PPS）示意图
简评：
@清华大学机械系2024级硕士生 李林殊
本研究成功构建了一款基于复合仿生技术打造的柔性多层连续压力定位检测传感器，简称PPS。作为一种非矩阵式传感器，PPS避免了复杂信号处理和大量计算的需求。它能够独立且同时感知压力的强度及其作用位置，并且能够轻松区分不同的信号类别。实践应用证实，PPS传感器能够有效地识别由不同物质形态产生的压力变化，无论是被动接收还是主动施加的压力。当集成至电子皮肤中时，PPS不仅能够作为压力感应器（区分接触和滑动力，识别压力及形变信号），还能与微控制单元（MCU）协同工作，实现基础的情感互动。因此，PPS在电子皮肤和人机交互等多个领域展现出巨大的应用潜力。
清华大学研发非接触式生理传感器，
为驾驶安全提供新方案
清华大学田曦教授团队研发出一种基于电磁超表面的非接触式生理传感器，能够在飞机和汽车等高动态环境中实现高灵敏度、抗干扰的生命体征监测。该传感器采用人工表面等离激元结构，结合数字刺绣工艺，可以无缝集成到安全带中，即使透过衣物也能捕捉到微小的心跳和呼吸信号。与传统无线传感器相比，该设计提高了信号灵敏度，并且在多径反射和车辆振动干扰下仍能保持信号稳定性。
该传感器已在飞机模拟舱和实际车辆环境中进行了测试，结果表明，即使在复杂多变的交通条件下，该传感器仍能够保持较高的检测精度。研究人员表示，电磁超表面生物传感器为开发无需用户佩戴设备或直接贴附于身体的驾驶员监测系统提供了可能性，在提高驾驶安全性方面具有重要潜力。
（论文链接：https://doi.org/10.1038/s41928-024-01263-4）
图5 非接触式超材料生物传感器
（图源：Nature Electronics）
简评：
@清华大学机械系2024级直博生 张佳悦
这款非接触式生理传感器为驾驶安全提供了新的解决方案，有望有效缓解疲劳驾驶等问题，提高道路安全。其高灵敏度、抗干扰的特点使其在复杂动态环境中表现出色，为未来智能驾驶技术的发展提供了新的思路。
基于动态酰胺键的耗散反应网络：
构建活性液滴自组织系统
中国科学院深圳先进技术研究院刘凯研究员团队开发了一种基于动态酰胺键的耗散反应网络，并基于此构建了一种活性液滴自组织系统。该系统通过调节耗散反应速率和控制组装过程中的动态行为，有效整合了耗散组装和马兰戈尼效应，使系统表现出趋化性运动能力。这项研究成果有望用于活性流体与非平衡图案构建、打造液滴机器人、打造人工细胞模型、实现生物医学应用等领域。
该研究团队选择了胺与酸酐在有机溶剂中发生的缩合反应作为研究的切入点，通过调节耗散反应的速率和控制组装过程中的动态行为，实现了活性液滴的趋化性运动。该系统通过将活性液滴与马兰戈尼回流这两种耗散结构耦合，实现了跨尺度的自由能转化，从分子尺度上的化学反应到宏观尺度上的液体流动，最终实现化学能向机械能的转化。
这项研究成果为活性流体与非平衡图案构建、打造液滴机器人、打造人工细胞模型、实现生物医学应用等领域提供了新的思路和方法。它有望创造一种全新的液滴材料，不仅具有智能性，还能够适应环境、做出决策，甚至可能随着时间进化。
(论文链接：https://doi.org/10.1038/s41557-024-01665-z）
图6 液滴的特性
（图源：Nature Electronics）
简评：
@清华大学机械系2024级直博生 张佳悦
这项研究成果展示了耗散反应网络在构建活性液滴自组织系统中的巨大潜力。它不仅实现了活性液滴的趋化性运动，还实现了跨尺度的自由能转化，为未来智能材料和液滴机器人等领域的发展提供了新的思路和方法。
硅光子芯片上具有增强分辨率的
去噪自动编码器辅助MEMS计算光谱仪
光谱分析作为一种重要的分析工具，在学术和工业领域都有广泛应用。目前，大多数片上光谱仪采用平面色散光学、窄带滤波器和傅里叶变换干涉仪等技术。计算光谱技术作为一种新兴范式，利用计算方法从预标定的光谱响应信息中近似或重建入射光谱。然而，传统的计算光谱仪通常需要光子结构阵列和探测器阵列，这显著增加了PICs的复杂性、占用面积和成本。
新加坡国立大学李正国教授、上海大学马逸明副教授及其研究团队提出了一种基于静电MEMS调制和卷积自编码器去噪(CAED)机制协同作用的计算光谱仪新范式。该器件采用集成MEMS悬臂执行器重构的波导耦合器。通过战略性地揭示MEMS调谐范围与重建性能之间的反直觉关系来减小调谐范围，该器件实现了高制造效率和最佳重建分辨率。除了静电MEMS调谐实现的超低功耗外，还提出并利用CAED策略来最小化相关MEMS噪声对重建性能的负面影响。
研究结果表明，该光谱仪在无噪声条件下提供300 nm带宽和0.3 nm的重建分辨率。在信噪比低至30 dB的嘈杂环境中，经CAED处理的干涉图重建分辨率从1.2 nm提升到0.4 nm，接近无噪声值。该技术为需要精确、宽带和节能光谱分析的应用提供了一个强大且经济的解决方案。去噪自编码器的使用不仅提高了MEMS光谱仪的性能，还为缓解计算光谱仪中与噪声相关的挑战提供了通用解决方案。
（文献链接：https://www.nature.com/articles/s41467-024-54704-1）
图7 计算光谱仪新范式
简评：
@清华大学机械系2024级硕士生 王禹
这项研究在片上光学光谱测量领域取得了重要进展，特别是在MEMS器件方面。研究不仅强调了现有片上光谱仪的固有局限性，还突出了硅PICs和静电MEMS调制的优势。通过开发CAED深度学习技术来有效缓解噪声影响并提高光谱重建分辨率，为需要精度、功率效率和噪声抗性的宽带高分辨率光谱分析应用奠定了坚实基础。
具有双向光响应的超弱光调制
异质结静态和动态图像感知
人类视觉系统具有卓越的场景解释能力和感知优势，其高效的工作机制一直是科研人员关注的焦点。近年来，研究人员致力于开发具有波长选择性和深度感知能力的设备，使其能够以节能的方式检测和处理光信号，实现超越基本计算和存储能力的智能信号处理。然而，目前实现双向光电导率通常需要高栅极电压调节或高光强度，这不仅与设计这些神经形态设备时降低功耗的初衷相矛盾，还需要额外的高压电路，从而增加了整体电路的复杂性。
近日，香港理工大学郝建华教授、北航潘曹峰教授、浙江大学陈梦晓研究员等在Nature communications刊发并提出了一种基于ZnO/CsPbBr3异质结构的神经形态图像传感器阵列（10 × 10像素），在超弱光刺激下实现了双向光响应。该设备通过在ZnO通道中氧空位的电离和去电离过程展示出正负光电导率特性，这种特性可以扩展到其他ZnO/钙钛矿和IGZO/钙钛矿异质结构中。在仅2.0 V偏置电压下，该阵列能够在光强从45 nW/cm²到15.69 mW/cm²的范围内实现突触权重更新，有效模拟基本的突触功能和视觉适应过程。
研究发现，该设备在紫外光（365 nm）下可在45 nW/cm²的超低光强下实现负光电导率，在绿光（525 nm）下则需要250 nW/cm²。这种性能比现有技术所需的光强度降低了2-3个数量级。通过结合正光电导率（Pos-PC）和负光电导率（Neg-PC）特性，该设备实现了从1.42 μW/cm²到1.31 mW/cm²强度范围内的视觉适应，这个范围覆盖了大多数实际场景的光照条件。
图8 神经形态图像传感器阵列
简评：
@清华大学机械系2024级硕士生 王禹
在实际应用方面，该阵列设备可以展现出优异的图像处理能力。它能够执行多种图像预处理任务，包括静态图像的背景去噪和动态图像的时空运动编码。通过将处理后的信息输入简单的三层神经网络和无监督学习算法，在模式识别方面达到了92%的准确率，在运动聚类方面实现了100%的准确率。这种简单而高效的策略为开发能够在低电压和暗光条件下进行实时图像处理的智能视觉系统提供了新的思路。
03
加入我们成为科技青年！
与一群志同道合的小伙伴一起
追逐前沿科技动态，紧跟时代发展潮流
用文字表达你的科技观点
科技热点投稿联系方式：
15211534315（同微信号）
或 mingxuan-li@foxmail.com
部分文字或图片来源于网络，侵权删
供稿 | 清华大学机械工程系研究生分会
主办 | 清华大学机械工程系研究生分会
文字丨机械系研会学术部
编辑丨李明暄
审核丨王健健、钱泓宇
