仿生机械敏感有机人工神经元：基于非线性机电化学耦合的可编程兴奋与抑制响应

《Advanced Materials》：Bioinspired Mechanosensitive Organic Artificial Neuron With Programmable Excitatory and Inhibitory Responses via Nonlinear Mechano-Electrochemical Coupling

　　

能够直接与物理世界交互的神经形态系统对于具身智能、可穿戴生物电子学和自适应人机交互至关重要。然而，大多数人工神经元通过外部传感器和外围电路处理机械和化学刺激，而非在神经元层面编码多模态信息，这限制了刺激与兴奋性之间的整合和功能耦合。研究人员报道了一种柔性有机人工神经元（organic artificial neuron, OAN），该神经元通过非线性机电化学相互作用将机械变形和离子环境与尖峰动力学耦合。该OAN通过增材制造在柔性基底上制备，集成了具有S型负微分电阻（S-shaped negative differential resistance, S-NDR）的有机电化学非线性元件与非线性有源负载，以产生低电压振荡活动。弹性范围内的机械弯曲和电解质离子浓度的变化重新配置了电流-电压平面中S-NDR特性与有源负载线之间的相对位置，从而实现了静息态与振荡态之间的确定性转换。所提出的OAN展现出机械触发放电、机械诱导沉默和化学控制再激活。数值模拟定量复现了非线性OAN操作和尖峰行为，提供了预测性设计指南。这些发现为多模态有机神经元建立了器件级框架，其中机械和离子信号直接编码在器件物理中，为生物集成神经形态系统开辟了途径。

**神经形态电子学**旨在模拟大脑高效处理多种生物和环境信号的能力。软有机材料因对电、化学、机械、光、热等广泛信号具有响应性，能够实现多模态交互，这对于具身智能、可穿戴生物电子学等至关重要。然而，现有大多数人工神经元依赖外部传感器和外围电路处理机械和化学刺激，未能在神经元层面直接编码多模态信息，导致机械刺激与神经元内在非线性动力学脱节。生物机械敏感神经元通过机械敏感离子通道将膜变形与离子传导耦合，启发了本研究。研究人员旨在建立一种将机械变形和离子环境直接耦合到尖峰动力学的器件框架。

为此，研究人员报道了一种柔性有机人工神经元（OAN），通过非线性机电化学相互作用将机械变形和离子环境与尖峰动力学耦合。该OAN采用增材制造在柔性基底上单片集成，由一个呈现S型负微分电阻（S-NDR）的有机电化学非线性元件（OEND）与非线性有源负载组成，可产生低电压振荡。机械弯曲和电解质离子浓度变化可连续重配置S-NDR特性与有源负载线在电流-电压平面中的相对位置，从而实现静息与振荡之间的确定性转换。研究展示了机械触发放电、机械诱导沉默和化学控制再激活。数值模拟定量复现了非线性OAN操作和尖峰行为，提供了预测性设计指南。该成果发表在《Advanced Materials》。

**关键技术方法**：研究人员采用微分配（micro-dispensing）增材制造技术，在聚酰亚胺基底上单片集成OECT、电阻、电容等所有元件。OECT基于有机混合离子-电子导体聚(3,4-乙烯二氧噻吩)掺杂聚苯乙烯磺酸盐（PEDOT:PSS）及其与二乙烯三胺（DETA）共配方的积累型材料。栅极为非极化银/氯化银电极，并覆盖聚苯乙烯磺酸钠（PSS:Na）固态离子储层以实现离子耦合。电阻与电容由碳浆和银浆打印。数值模拟采用Verilog-A模块将OECT模型集成到ADS电路仿真器中，结合应变参数变化进行拟合。

**研究结果**：

**Mechanosensitive OAN（机械敏感OAN）**：通过电流-电压测量确认OEND在电压模式下的滞回特性和电流模式下的S-NDR特性，其源于T1/T2导通切换和R1正反馈。将S-NDR与有源负载线相交于不稳定点后，OAN产生自持振荡，实验和仿真一致。

**Strain-dependent nonlinear electromechanical response（应变依赖的非线性机电响应）**：施加弯曲应变，发现R1随拉伸应变增加而增加（+15%），R2因横向应变而减小（-13%），阈值电压变化较小。这些参数变化导致S-NDR区域随应变移动，仿真量化复现了该位移。

**Mechanically induced inhibition（机械诱导抑制）**：当有源负载线靠近NDR上边界时，应变增加使工作点U移到NDR之外，振荡被抑制。实验显示在ε≈0.42%时放电停止。定义了兴奋电压ΔV_exc用于量化重新激发所需的电刺激。

**Mechanically induced excitation（机械诱导激发）**：当负载线配置在NDR下边界时，静息状态下的OAN在应变超过ε≈0.25%后进入放电。应变使U从稳定分支移入NDR区。定义了抑制电压ΔV_inh。

**Multimodal mechano-electrochemical control（多模态机电化学控制）**：研究人员将机械应变ε和离子浓度c作为独立控制参数，证明机械应变作用于OEND S-NDR曲线，而离子浓度通过改变T3的阈值电压V_TH3移动负载线。两种刺激协同可编程地控制神经元状态，实现了机械激发+化学抑制和机械抑制+化学激发两种互补模式，展示了单器件级的多模态可重构性。

**讨论与结论**：该工作建立了器件和电路层面的多模态OAN基础，机械与离子信号直接编码于器件物理。研究人员强调，这种机械敏感性是功能性的而非分子层面的，通过电路非线性实现。未来可扩展至更多布局和输入模态，为具身智能、软体机器人和生物集成神经形态接口开辟道路。

结论翻译：本研究展示了单片集成在柔性基底上的OAN，并确立了非线性机电化学耦合作为多模态神经操作的基础物理机制。根据工作点配置，机械形变和电化学刺激可独立或同时应用，通过非线性特性在电流-电压平面中的受控位移，确定性驱动OAN在静息和放电状态之间转换。这种可编程多模态行为使兴奋或抑制能直接编码在器件物理中，离子浓度和机械应变作为可调控制参数。实验与数值模拟的定量一致验证了该器件类别的预测性建模框架。