可持续的P3HB:ZnO复合压电纳米纤维用于人工智能驱动的步态监测

《Small Science》：Sustainable P3HB:ZnO Composite Piezoelectric Nanofibers for AI-Driven Gait Monitoring

　　

可降解的高性能压电材料对于可植入和环保设备至关重要，这些设备能够可靠地传感和收集能量，同时在使用后安全降解。然而，大多数可降解压电材料仍受限于有限的机电性能。在此，研究人员报告了一种高性能的聚(3-羟基丁酸酯):氧化锌（P3HB:ZnO）复合压电纳米纤维，其通过集成人工神经网络-遗传算法（ANN-GA）框架进行优化。该模型确定了最优的ZnO含量为4.3 wt.%，与纯P3HB相比，压电性能显著增强。优化后的纳米纤维在1 Hz下实现了0.382 mV/kPa的峰值电压灵敏度，以及13.65 mV/m·N的有效压电电压系数，在1000次加载循环中输出稳定，响应延迟为318 ms。生物降解研究显示6周后质量损失约38%，而纳米纤维在此期间仍保持可测量的压电功能。此外，与多通道传感平台的集成实现了概念验证的人工智能辅助步态识别演示。这项工作展示了一种可扩展的机器学习驱动策略，用于设计用于自供电瞬态生物电子学的高性能可持续压电材料。

可降解压电材料是实现自供电传感、能源收集和瞬态生物电子学的关键，能够在使用后安全降解，避免二次手术和电子废物积累。然而，现有可降解压电材料（如天然聚合物和合成聚酯）的机电性能普遍较低，尤其是聚(3-羟基丁酸酯)（P3HB）虽具有可生物合成和可再生优势，但本身脆性且压电性能有限。为克服这些局限，研究人员将氧化锌（ZnO）纳米颗粒作为压电增强填料引入P3HB基体，并利用电纺丝技术制备纳米纤维。但电纺丝过程参数多、非线性强，传统试错法难以优化。为此，本研究引入人工神经网络-遗传算法（ANN-GA）数据驱动框架，系统优化了ZnO浓度、施加电压、滚筒转速和电纺时间等参数，最终获得高性能P3HB:ZnO复合压电纳米纤维，并验证了其在人工智能辅助步态监测中的应用潜力。该工作发表于《Small Science》。

研究人员主要采用以下关键技术方法：利用响应面法（RSM）设计实验组合，收集15组样本数据；建立人工神经网络（ANN）模型预测归一化电压输出，并通过遗传算法（GA）进行全局优化，确定最优参数；采用电纺丝技术制备纳米纤维，并进行扫描电子显微镜（SEM）、X射线衍射（XRD）、傅里叶变换红外光谱（FTIR）等表征；通过线性压缩台结合示波器测量压电输出；降解实验在含2 wt.%胰酶的磷酸盐缓冲液（PBS）中35°C下进行；步态监测使用四通道传感鞋垫采集数据，并利用ANN进行分类。

研究结果部分：
**3.1 数据驱动模型的性能与模式识别**：通过对比RSM和ANN模型，ANN在训练和测试集上均达到接近完美的预测精度（R2≈1），敏感性分析表明ZnO浓度（34%）和电纺时间（31%）是影响归一化电压的主要因素。ANN模型被选为预测框架并与优化器结合。
**3.2 电纺参数调优**：GA优化收敛到更优的解，获得最优参数为4.3 wt.% ZnO、16 kV电压、7.6 m/min滚筒转速、10.5 h电纺时间，预测归一化电压0.283 mV/kPa，实验验证值为0.306 mV/kPa，误差8.13%，较无ZnO样品提升约201%。
**3.3 P3HB:ZnO复合纳米纤维综合分析**：
- **力学、物理性能与结构分析**：ANN-GA优化样品具有最高拉伸强度和韧性（37.28 MJ/m³），均匀纤维直径1450 nm，XRD和FTIR证实P3HB和ZnO晶体结构保留，水接触角从132°降至124°，亲水性增强。
- **压电性能**：ANN-GA样品在1 Hz下电压灵敏度0.382 mV/kPa，有效压电电压系数g₃₃达13.65 mV/m·N，频率响应从0.75 Hz到1.75 Hz灵敏度从0.287增至0.776 mV/kPa；1000次循环稳定性良好，响应延迟318 ms；能量收集测试显示在2 kΩ负载下最大功率密度22.45 mW/m²。
- **生物降解分析**：在含胰酶的PBS中6周质量损失38%，同时压电功能从0.383降至0.066 mV/kPa（1 Hz），10周后完全解体，表明材料在降解初期保持功能，适合瞬态应用。
**3.4 步态监测应用演示**：将优化纳米纤维集成到智能鞋垫，通过四通道传感节点采集爬楼梯、行走、跑步、跳跃四种步态电压信号，利用含两个隐藏层（25和15神经元）的ANN模型分类，准确率极高（混淆矩阵对角集中）。

总结讨论部分：本研究建立了集成人工智能辅助设计框架，通过RSM、ANN和GA优化了可降解P3HB基ZnO复合纳米纤维的压电性能，实现了结构均匀性、力学韧性和压电响应的平衡。该材料在生物降解过程中保持初期功能，并成功用于步态识别。研究结论翻译如下：这项工作建立了一个集成的人工智能辅助设计框架，用于增强以ZnO纳米颗粒增强的可降解P3HB基纳米纤维的压电性能。通过结合RSM指导的实验设计、ANN建模和GA优化，系统捕获并优化了ZnO浓度、施加电压、滚筒转速和电纺时间之间的复杂非线性关系。该框架确定了最优ZnO含量为4.3 wt.%，代表了界面极化和结构均匀性之间的平衡。结构和物理化学表征证实，优化后的P3HB:ZnO复合压电纳米纤维表现出均匀的纳米纤维形态（平均直径1450 nm）、高韧性（37.28 MJ/m³）、增强的极化性能以及略微增加的表面亲水性（124°对比132°）。压电表征显示，在动态加载下，1.75 Hz时电压灵敏度高达0.776 mV/kPa，且1000次加载循环性能稳定。能量收集评估进一步揭示了高性能，在24 kPa、1.75 Hz下电容器充电电压达到31.78 mV，峰值存储功率密度为6.7 W/m²。电阻依赖性分析确定了在2 kΩ下的最佳功率输出为22.46 W/m²，证实了有效的阻抗匹配和高效的机电能量转换。生物降解研究展示了渐进的结构退化，6周内观察到38%的重量损失，同时保持压电功能，随后在第10周完全解体。将优化后的纳米纤维集成到多通道步态监测系统中，验证了所开发的压电材料通过人工智能辅助分析进行智能生理信号解释的潜力。