基于数据驱动的无序结构设计，用于实现与方向和几何形状无关的可拉伸电极

《npj Flexible Electronics》：Data-driven design of disordered structures for direction- and geometry-independent stretchable electrodes

　　

摘要

具备在任意方向和几何形状下均保持应变不敏感特性的可拉伸电极，是下一代可定制可穿戴电子产品的关键。然而，基于蛇形结构、剪纸结构以及岛桥结构等有序设计的传统电极存在方向限制和几何约束，难以应用于复杂场景。在此，我们提出一种基于机器学习的通用设计策略，通过生成受生物启发的无序结构，来实现不受方向和几何形状影响且具有应变不敏感特性的可拉伸电极。该策略将神经网络模型与进化算法相结合，构建了一套优化框架，用于寻找在单向、双向及全方位变形条件下仍能保持高可拉伸性且电阻变化最小的无序结构。值得注意的是，这种方法也适用于不规则几何形状，以手形电极为例。通过3D打印技术制造的优化后无序电极，其相对电阻比有序结构降低了20–50%。利用这些电极，我们进一步开发出一种新型可拉伸无线脑电图采集帽，它取代了传统的刚性有线设计，可适配不同头型，能有效抑制运动伪影，并在脑机交互任务中实现高精度识别。这一成功案例展示了适用于几何形状自适应的可穿戴电子产品的强大且通用的设计理念，推动了可拉伸结构领域的数据驱动创新。