编辑推荐：
听力损失影响广泛，现有治疗手段如助听器和植入物在声源定位上存在缺陷。研究人员开展基于压电纳米纤维（PVDF-TrFE/BTO）的智能听觉系统研究，结合神经网络，该系统能精准识别声音方向，超越人类定向听力，为人工听觉发展带来新突破。
在我们的日常生活中，声音无处不在，它是我们与外界沟通、感知环境的重要媒介。然而，对于那些遭受听力损失的人来说，聆听这个丰富多彩的声音世界却成了一种奢望。听力损失影响着各个年龄段的人群，不仅阻碍了他们的学习、社交，还严重降低了生活质量。当前，常见的听力治疗手段，像助听器和植入物，虽然在一定程度上缓解了听力问题带来的困扰，但在关键的声源精准定位方面却差强人意。比如，佩戴者常常难以判断声音究竟来自哪个方向，这在复杂环境中会带来诸多不便。为了攻克这一难题，提升人工听觉技术，研究人员展开了深入探索。虽然文中未提及具体研究机构，但他们的研究成果却发表在了《SCIENCE ADVANCES》上，为该领域带来了新的曙光。
研究人员聚焦于模仿人类听觉系统的复杂机制，致力于开发一种创新的智能听觉系统。他们巧妙地将不对称排列的压电纳米纤维（PVDF-TrFE/BTO）与神经网络相结合，期望能够模拟自然听觉过程。在这个过程中，有着螺旋状变化长度和方向的压电纳米纤维，就像是一个个精密的传感器，负责将声波转化为机电信号，模仿了耳蜗中基底膜的复杂动力学。随后，这些信号被数字神经网络进行编码处理，进而实现精确的声音方向识别。
在这项研究中，研究人员运用了多种关键技术方法。首先是材料制备技术，通过特定的溶液混合和电纺工艺制备 PVDF-TrFE/BTO 纳米纤维；利用扫描电子显微镜（SEM）、原子力显微镜（AFM）等多种微观表征技术，对纳米纤维的形貌、结构和性能进行全面分析；采用激光测振仪和定制的压电声学系统测试设备的压电性能；借助有限元分析（FEA）模拟设备的振动模式；运用 Python 编程和机器学习算法进行数据处理和模型构建，从而实现声音方向识别等功能 。
下面让我们详细看看研究的主要结果：
- 蹦床状多谐振压电声学器件的设计：受人类耳蜗启发，研究人员设计并制作了螺旋蹦床状压电声学器件（ST-PiezoAD）。该器件由内外电极构成，外电极被分割成多个不同半径的部分，通过电纺工艺将 PVDF-TrFE/BTO 纳米纤维径向排列在电极上。这种结构类似于人类耳蜗的基底膜，有望实现复杂的多谐振响应，且器件尺寸可根据实际需求进行调整。
- 压电复合纳米纤维的表征：对 PVDF-TrFE/BTO 纳米纤维进行了全面表征。确定了 BTO 纳米颗粒（NPs）的最佳添加量为 6 wt%，此时纳米纤维展现出良好的性能。研究发现，BTO NPs 的添加虽然增加了纳米纤维的表观模量，但由于聚合物与 BTO NPs 之间的界面问题，导致强度和极限应变有所降低。同时，纳米纤维在电纺过程中被极化，BTO NPs 的加入增强了复合纳米纤维的压电性。
- 蹦床状 PiezoADs 的多谐振行为和可调灵敏度：通过设计一系列简化的圆形蹦床状压电声学器件（CT-PiezoADs），研究人员探究了器件几何结构对多谐振行为和电压输出的影响。发现改变纳米纤维的弹簧长度（即改变器件尺寸）可以调整谐振行为，较大的外直径和合适的悬臂比例能提高器件的灵敏度。ST-PiezoAD 同样表现出复杂的谐振行为，不同通道具有不同的谐振频率，且通道间相互影响。实验和模拟结果都表明，该器件能够有效分离振动光谱并转换为电压输出，类似于人类听觉系统的频率分离功能。
- AI 辅助的声音识别：结合机器学习算法，构建了人工 “听觉皮层” 模型。收集了大量来自不同方向和自然语言内容的压电声学信号，用于训练和测试模型。结果显示，基于注意力机制的变压器模型能够准确分析声音方向特征，ST-PiezoAD 模块在 3D 空间中识别声音方向的准确率极高，在 xy 平面平均准确率达到 97 ± 3.2%，在 yz 平面为 92.1 ± 8.1%，对 z 轴不同距离的识别准确率更是达到 100%。此外，增加通道数量可提高识别准确率，模型还具备回归预测未知方向的能力，并能应用于声音理解和音乐录制等任务。
综合来看，研究人员成功开发出一种结合可编程不对称压电纳米纤维结构与数字智能神经网络的人工听觉系统。该系统中的 ST-PiezoAD 在声音识别和方向识别方面表现卓越，灵敏度和准确率都非常高。其不对称螺旋几何结构不仅有效模拟了人类耳蜗基底膜的振动转导和频率分离功能，还在神经网络的辅助下，在空间智能方面超越了人类大脑。这一研究成果代表了人工耳蜗设备、人工听觉系统和人工空间智能领域的重大范式转变，为未来的听力治疗和相关可穿戴设备、植入物的发展提供了新的方向。不过，目前该技术距离实际应用还有一些关键步骤要走，比如设备的小型化、系统集成以及实地测试等，但无疑已经为人工听觉领域开辟了一条充满希望的道路。
