近日，南方科技大学材料科学与工程系郭传飞教授与香港大学机械工程系方绚莱教授团队合作共同提出了一种用于柔性压力传感器功能性微结构的高效逆向设计方法，该研究工作以“Data-driven inverse design of flexible pressure sensors”为题发表在《美国国家科学院院刊》上（PNAS 2024, 121 (28), e2320222121）。

柔性压力传感器能够模拟人类皮肤的机械感受器，将触觉刺激转化为定量电信号，在智能机器人、健康监测和人机接口等领域具有广泛的应用前景。然而，传统的传感器设计方法依赖于耗时的试验和模拟，通过正向的结构-性能设计路径逐步探索可能的解决方案。这种方法不仅费时费力，而且每次实验通常只能找到一个适用于特定材料的优化结构，难以实现广泛的线性响应。逆向设计方法则通过从所需的输出特性出发，反推出输入参数，理论上能够更高效地实现目标功能。然而，由于传感器应用场景和设计需求多种多样，常规基于大量数据的设计方法难以有效运用（如图1上半所示）。因此，如何减少所需数据量、实现高效逆向设计，是推动柔性压力传感器领域进步的关键所在。

图1. 柔性传感器高效逆向设计方法示意图

为了克服这些挑战，研究团队提出了一种高效的逆向设计方法，通过引入降阶模型来限制设计范围，并提出了“跳跃选择”方法以提高数据筛选效率。降阶模型通过解析的方法确定内部约束条件，无需进行昂贵的实验和模拟，显著减少了模型分析所需的成本。这种方法通过限制设计范围，将设计空间合理缩小到原来的四分之一甚至更少，从而降低了数据的需求量。此外，“跳跃选择”方法通过训练代理模型预测结构性能评分，迭代更新数据集和模型，以六倍于传统随机选择的效率进行数据筛选，从而快速获得具有高线性响应的微结构设计方案（如图1下半所示）。

研究团队利用这一高效逆向设计方法，成功预测并实验验证了多种具有线性响应的柔性压力传感器微结构设计方案。实验结果显示，这些传感器在动态和循环加载下表现出优异的线性和灵敏度。特别是，所设计的线性传感器阵列在不同位置和加载条件下均表现出和负载成正比的总电容信号输出，从而大大简化了数据处理过程。此外，所设计结构的线性响应还能够应用于多种不同材料和测试条件，证明了该方法的广泛适用性和有效性，为智能机器人、高级医疗和人机接口等多种应用场景提供了器件设计的技术途径。

该工作以南方科技大学为第一通讯单位，郭传飞教授和香港大学方绚莱教授为通讯作者，课题组前博士后刘之光、硕士生蔡旻堃、北京大学健康医疗大数据国家研究院副教授洪申达以及课题组博士生石君利为共同第一作者。本研究得到了国家自然科学基金、广东省科技厅和深圳市科创局的支持。

原文链接：https://www.pnas.org/doi/10.1073/pnas.2320222121

供稿单位：材料科学与工程系

通讯员：邓雅丽

主图：李嘉慧

编辑：周易霖