研究背景

人工智能(AI)、大數(shù)據(jù)、云計算、5G/6G 通信、數(shù)字健康等信息技術的不斷變革，通過深刻地重新定義了我們與物理世界的互動關系，促使人類生活變得更加互聯(lián)和智能。柔性傳感領域是這些變革性技術的核心，它可以通過各種柔性傳感器將數(shù)字信號與物理空間無縫集成。這些傳感器通常具有適應不規(guī)則表面、在機械變形下經(jīng)久耐用以及對外界刺激敏感等特點。如今，柔性器件的發(fā)展主要體現(xiàn)在兩個方面。其一是從單純的數(shù)據(jù)采集轉變?yōu)楦又悄艿南到y(tǒng)。這種模式轉變強調(diào)了柔性傳感器從單一功能元件發(fā)展為更智能的傳感系統(tǒng)，它不僅能收集傳感信息，還可以理解和解釋周圍環(huán)境。其二是源于大數(shù)據(jù)和云計算技術的快速發(fā)展所帶來的數(shù)據(jù)量爆炸式增長。隨著數(shù)據(jù)日益多樣化和復雜化，對高效處理海量、多層面數(shù)據(jù)的需求不斷增加。上述兩種需求為配備先進算法和硬件架構的機器創(chuàng)造了機會，并最終促進了能夠承擔這些任務的自適應人工智能發(fā)展。以大腦啟發(fā)的算法(機器學習)和框架(人工突觸)等方面為代表，持續(xù)的人工智能技術革命浪潮使得智能柔性傳感系統(tǒng)愈發(fā)的可能。

Artificial Intelligence Meets Flexible Sensors: Emerging Smart Flexible Sensing Systems Driven by Machine Learning and Artificial Synapses

Tianming Sun, Bin Feng, Jinpeng Huo, Yu Xiao, Wengan Wang, Jin Peng, Zehua Li, Chengjie Du, Wenxian Wang*, Guisheng Zou*, Lei Liu* Nano-Micro Letters (2024)16: 14

https://doi.org/10.1007/s40820-023-01235-x

本文亮點

1.從算法(機器學習)和框架(人工突觸)兩個層面回顧了由大腦啟發(fā)的人工智能(AI)驅動的新興智能柔性傳感系統(tǒng)的最新進展。

2.討論了人工智能技術與柔性傳感器融合后產(chǎn)生的強大數(shù)據(jù)分析和智能決策等新功能。

3.展示了人工智能驅動的智能柔性傳感系統(tǒng)的廣闊應用前景。

內(nèi)容簡介

人工智能(AI)革命浪潮引起了人類社會對智能化前所未有的興趣。作為連接物理世界和數(shù)字信號的重要組成部分，柔性傳感器正在從單一傳感元件逐漸發(fā)展為更智能的系統(tǒng)，能夠高效采集、分析甚至感知海量、多層面的數(shù)據(jù)。雖然從人工操作的角度來看，智能柔性傳感技術的發(fā)展具有挑戰(zhàn)性，但由于受大腦啟發(fā)的人工智能在算法(機器學習)和框架(人工突觸)層面的創(chuàng)新，智能柔性傳感的發(fā)展得到了極大的推動。清華大學鄒貴生教授、劉磊副教授，太原理工大學王文先教授等總結了新興的人工智能技術在智能柔性傳感系統(tǒng)方面的最新進展。詳細介紹了機器學習和人工突觸的基本概念。全面回顧了人工智能和柔性傳感融合所帶來的新功能，極大地推進了柔性傳感系統(tǒng)、軟/人形機器人和人類活動監(jiān)測等應用的發(fā)展。最后，討論了作為二十世紀最深刻的兩項創(chuàng)新，柔性傳感與人工智能技術的深度融合所面臨的主要挑戰(zhàn)和未來機遇。

圖文導讀

I人工智能技術的基本概念

1.1 機器學習算法的基本原理

機器學習是一種可以自動建立非線性輸入-輸出映射的技術，同時繞過了復雜的物理或數(shù)學，其核心思想是利用大量原始數(shù)據(jù)集訓練一個代用模型，一旦模型訓練成功，就能以較高的計算效率和精度實現(xiàn)其目標應用，如屬性預測、圖像識別和物體檢測等。用于柔性傳感器系統(tǒng)的機器學習算法主要包括傳統(tǒng)機器學習算法(如支持向量機(SVM)和人工神經(jīng)網(wǎng)絡(ANN))和深度學習(DL)算法(如卷積神經(jīng)網(wǎng)絡(CNN)和遞歸神經(jīng)網(wǎng)絡(RNN))。

圖1. 各種機器學習算法的基本概念。(a) 用于二元分類的SVM模型示意；(b) ANN模型結構；(c) CNN模型結構；(d) RNN模型結構。

1.2 大腦啟發(fā)的突觸器件

隨著人工智能和大數(shù)據(jù)的興起，人們對低能耗、高效率、高自適應計算的需求逐漸增加。新興的神經(jīng)形態(tài)電子系統(tǒng)可以通過模仿腦神經(jīng)系統(tǒng)的功能高效處理海量復雜信息，有望突破傳統(tǒng)馮-諾依曼計算機體系結構能耗高、計算慢的瓶頸，促進類腦智能的實現(xiàn)。生物突觸是神經(jīng)系統(tǒng)中的一種獨特結構，它賦予神經(jīng)元通信能力，并同時執(zhí)行計算和記憶。為了模擬這種突觸特性，研究人員利用兩端(2T)憶阻器和三端(3T)晶體管的模擬和滯后特性來構建仿生突觸元件。最近，基于2T記憶晶體管和3T晶體管不同工作機制的人工突觸受到了極大關注。

圖2. 生物突觸和人工突觸(不同工作機制：2T憶阻器和3T晶體管)示意圖。(a) 生物突觸；(b-e) 2T憶阻器(b 離子遷移、c 鐵電機制、d 相變、e 氧化還原反應)；(f-g) 3T晶體管(f 載流子捕獲/釋放、g 離子通道門控、h 鐵電極化)。

II人工智能驅動的智能柔性傳感

2.1 常見的柔性傳感器類型

柔性傳感器按類型和功能可分為三大類，包括柔性電機械傳感器、柔性光電傳感器和柔性化學傳感器。

圖3. 柔性傳感器的常見類型。(a-c) 柔性電機械傳感器(a 柔性應變傳感、b 柔性壓力傳感器、c 柔性振動傳感器)；(d-f) 柔性光電傳感器(d, e 紫外-可見光傳感器、f 紅外傳感器)；(g, h) 柔性化學傳感器(g 氣體傳感器、h 離子傳感器)。

2.2 機器學習驅動的智能柔性傳感器

隨著柔性傳感器數(shù)量和數(shù)據(jù)量的增加，傳感信息的處理和分析變得越來越復雜和困難。由于機器學習具有大規(guī)模數(shù)據(jù)處理、自適應能力強、效率高、自動化和智能化等優(yōu)勢，近些年，機器學習的融入已對柔性電子領域產(chǎn)生了深遠的影響，為分析和處理來自多種類型傳感器的數(shù)據(jù)增添了強有力的工具，使其變得更加智能和互聯(lián)。具體來說，機器學習在傳感數(shù)據(jù)分析與解釋、多模態(tài)信息后處理與解耦以及智能環(huán)境傳感與感知這三個主要方面發(fā)揮著關鍵作用。

圖4. 機器學習算法在不同的柔性電子應用中實現(xiàn)傳感數(shù)據(jù)分析與解釋。

圖5. 機器學習算法幫助柔性電子器件實現(xiàn)(a, b) 多模態(tài)信息的后處理和解耦，(c, d) 不同場景下的智能環(huán)境傳感和感知。

2.3 人工突觸驅動的智能柔性傳感器

在人類的感覺器官中，各種類型的感受器可以檢測和轉換來自周圍環(huán)境的不同刺激信號，進而將可解釋的感覺信息傳送到大腦進行認知處理，從而實現(xiàn)社交活動。這一生理過程是通過生物感覺器官與生物突觸相結合來完成的。在此基礎上，形成了人類感知外部世界的視覺、聽覺、嗅覺、味覺和觸覺等五大感知系統(tǒng)。隨著人工智能技術的飛速發(fā)展，人們逐漸需要模仿生物感覺器官的智能柔性傳感系統(tǒng)來動態(tài)捕捉描述真實世界的大量物理信息。隨著信息數(shù)據(jù)的爆炸式增長，基于傳統(tǒng)馮-諾依曼架構的信號處理和數(shù)據(jù)分析算法在速度和效率方面已無法滿足日益增長的需求，這促進了大腦啟發(fā)突觸器件的快發(fā)展。人工突觸是通過模仿生物突觸結構開發(fā)出來的，它能以類似于生物神經(jīng)網(wǎng)絡響應神經(jīng)信號的方式傳輸和處理感官信息。因此，將人工突觸與柔性傳感元件相結合，可以在多個空間和時間尺度上實現(xiàn)高速、高效、低能耗的并行處理，這將有助于設計智能柔性傳感系統(tǒng)，如觸覺、視覺、聽覺、嗅覺和味覺感知系統(tǒng)。

圖6. 基于人工突觸驅動智能柔性傳感器的各種人工感知系統(tǒng)。(a) 觸覺感知系統(tǒng)；(b) 聽覺感知系統(tǒng)；(c) 視覺感知系統(tǒng)；(d) 嗅覺感知系統(tǒng)；(e) 味覺感知系統(tǒng)；(f) 多模態(tài)感知系統(tǒng)。

2.4 柔性傳感器與機器學習和人工突觸的融合

除了簡單的機器學習驅動或人工突觸驅動的智能柔性傳感器外，柔性傳感器與機器學習和人工突觸的融合將帶來更復雜的集識別、傳感、記憶、計算和反饋功能于一體的智能可穿戴應用。

III人工智能驅動的智能柔性傳感系統(tǒng)應用前景

3.1 更智能的人類活動監(jiān)測

在人工智能和大數(shù)據(jù)時代，基于柔性電子器件開發(fā)出了各種具有智能感知、自主決策和自適應能力的智能傳感系統(tǒng)，在人類活動和服務領域發(fā)揮著不可替代的作用。這些器件可以提供更加自然和直觀的交互、個性化和定制化服務，實現(xiàn)智能環(huán)境交互，增強虛擬現(xiàn)實體驗。

圖7.人工智能驅動的智能柔性傳感系統(tǒng)，更智能的人類活動監(jiān)測。

3.2 更具人性化感受的人工感知器官

現(xiàn)今，由人工突觸驅動的智能柔性傳感器開發(fā)出的五種更具人性化感受的人工感知系統(tǒng)正在成為人類生活中不可或缺的元素。

圖8. 人工智能驅動的智能柔性傳感系統(tǒng)，更具人性化感受的人工感知器官。

3.3 更自主行動的軟體和人形機器人

軟體機器人具有極好的靈活性和可變性，可實現(xiàn)舒適的物理接觸操作，因此被廣泛應用于許多動態(tài)、非平面場景，如抓取、制造、操縱、運動和人機交互。人工感知系統(tǒng)與軟體機器人的結合可以賦予機器人類似人類的感知和交互功能，從而提高機器人的適應性、靈活性和安全性，使其能夠更好地理解和適應周圍環(huán)境。

圖9. 人工智能驅動的智能柔性傳感系統(tǒng)，更自主行動的軟體和人形機器人。

IV總結與展望

在過去幾年中，人工智能融入智能柔性傳感器系統(tǒng)取得了重大進展。本綜述總結了有關這一主題的最新進展。

機器學習具有高效信息處理和高質(zhì)量特征識別的優(yōu)勢，非常適合大規(guī)模傳感數(shù)據(jù)分析、解釋和模式判定。一方面，機器學習解耦多模態(tài)/類型信息的能力有助于更準確地理解在復雜實際環(huán)境中獲得的綜合傳感數(shù)據(jù)。另一方面，人工突觸模仿人腦的工作機制，具有低功耗、高并行性和實時處理能力的特點，有望成為超越傳統(tǒng)馮·諾依曼架構的下一代計算設備。這種新興的神經(jīng)形態(tài)框架激發(fā)了各種智能人工感覺系統(tǒng)的設計?？梢钥闯?，這兩項人工智能技術的深度融合，將引發(fā)傳統(tǒng)柔性傳感器向更智能的柔性傳感系統(tǒng)逐漸進化，這不僅能從外部環(huán)境中收集信息，還可以對數(shù)據(jù)進行智能分析和解釋，從而實現(xiàn)對環(huán)境的“自我感知”。這些新功能對于智能軟體機器人、電子手套/皮膚、人機界面等廣泛應用至關重要。

盡管人工智能驅動的智能柔性傳感系統(tǒng)的發(fā)展已取得了顯著的進步，但仍然面臨著巨大的挑戰(zhàn)。為了更好地融入機器學習，(1) 需要注意的是，對于許多柔性電子應用來說，獲取高質(zhì)量的實驗數(shù)據(jù)仍然是一項耗時且具有挑戰(zhàn)性的工作。應開發(fā)更先進的算法，以減輕模型訓練對數(shù)據(jù)采集的要求。(2) 此外，柔性電子器件通常在各種動態(tài)甚至惡劣的應用場景中服役，這反過來又會逐漸改變器件構成材料的物理/化學特性。經(jīng)過訓練的模型能否適應性能不斷變化的柔性電子器件仍然是一個問題。(3) 這個問題引起的另一個疑問是：由于材料屬性和制造工藝不可避免的變化，在一個柔性器件上訓練有素的機器學習模型能否順利地轉移/應用到另一個同類設備上？(4) 目前，柔性電子器件的計算能力還不如普通計算機硬件，而機器學習的模型訓練則需要大量的計算能力。要在已部署的柔性器件上實現(xiàn)模型的實時更新還有很長的路要走。至于人工突觸與智能柔性傳感的融合，(1)雖然近年來已經(jīng)開發(fā)出許多突觸和柔性器件，但這類設備的柔性特征還需要不斷改進，尤其是在扭曲和拉伸等惡劣場景下的突觸行為和性能耐久性。(2) 基于突觸的智能感知系統(tǒng)依賴于柔性傳感器與突觸元件的集成，而它們之間由不同材料制成的接口和通信仍然是一個挑戰(zhàn)。(3) 從系統(tǒng)設計層面來看，智能柔性傳感的構建需要柔性傳感器、機器學習算法和人工突觸的協(xié)同發(fā)展?？傊S著人工智能技術與柔性傳感的融合日益深入，我們逐漸邁向智能社會的新時代。

作者簡介

鄒貴生

本文通訊作者

清華大學 長聘教授 ▍主要研究領域

(1)微納連接與器件封裝互連；(2)超快激光微納制造與微納器件；(3)焊接冶金與工藝。

▍主要研究成果

清華大學長聘教授/博士生導師；曾任國際焊接學會(IIW)微納連接委員會(C-VII)主席，現(xiàn)任國際納連接和微連接學會(NMJ Association)International Steering Committee Member、中國機械工程學會焊接分會常務委員、期刊Journal of Laser Applications資深編委和Welding in the World主審。獲IIW杰出專委會主席獎、教育部科技進步一等獎和自然科學二等獎各1次。主要研究方向為微納連接與器件封裝互連、超快激光微納制造與微納器件、焊接冶金與工藝。曾任科技部重點研發(fā)計劃專項項目首席專家，發(fā)表包括PNAS、AM、AFM、Nano Energy等國際頂級期刊的SCI收錄論文170余篇，客座主編“微納連接研究新進展”?？?機械工程學報)和“激光高性能連接技術與裝備”專題(中國激光)和副主編專著“國際焊接學會(IIW)研究進展”(2021年度和2022年度)。

▍Email：zougsh@tsinghua.edu.cn

劉磊

本文通訊作者

清華大學 長聘副教授 ▍主要研究領域 (1)電子封裝與微納連接；(2)超快激光微納制造。

▍主要研究成果

清華大學機械工程系長聘副教授、博士生導師，研究方向為電子封裝與微納連接、超快激光微納制造。共發(fā)表SCI論文90余篇，引用2000余次。入選國家高層次青年人才計劃，獲省部級獎2項、北京市青年教師教學基本功比賽二等獎、清華大學“學術新人獎”。兼任中國機械工程學會焊接分會副秘書長、理事，國際焊接學會微納連接專委會激光微納連接分委會副主席、焊接雜志社青年編委常委。

▍Email：liulei@tsinghua.edu.cn

王文先

本文通訊作者

太原理工大學 教授 ▍主要研究領域 (1)焊接結構強度與疲勞斷裂行為研究；(2)基于材料連接的新材料制備及界面行為多尺度表征；(3)先進材料激光焊接和表面改性技術。

▍主要研究成果

太原理工大學教授、博士生導師，太原理工大學學術委員會副主任兼秘書長，山西省高等學校教學名師，山西省學術技術帶頭人，山西省“三晉英才”支持計劃拔尖骨干人才。長期從事金屬基復合材料加工制備理論和先進材料連接及其界面行為方向的應用基礎研究，共發(fā)表第一/通訊作者科研論文160余篇，其中90余篇被SCI、EI收錄，授權中國發(fā)明專利50余項。獲山西省自然科學獎二等獎3項，一等獎1項。主持國家自然科學基金資助項目6項，省部級自然科學基金資助項目4項，其它省部級科研項目10余項。

▍Email：wwx960@126.com

撰稿：原文作者 編輯：《納微快報(英文)》編輯部 審核編輯 黃宇