机器学习如何帮助防止开发案例中的脉动。
美国佐治亚州，2026 年 9 月 22 日 /EINPresswire.com/——可穿戴技术向前迈出了一大步，研究人员正在利用机器学习来展示拉伸柔性材料如何影响其电气性能。研究表明，向一个方向拉伸材料可以将其电导率提高 50% 以上，而向另一个方向拉伸则会阻碍其电导率，这为未来的皮肤和电子传感器提供了重要的设计指南。
可穿戴电子产品（如电子皮肤或柔性健康监视器）的梦想取决于一个简单的问题：当你拉伸它们时会发生什么？在正在研究的各种材料中，分子晶体脱颖而出，成为有前途的候选材料。然而，拉伸如何影响这些特定晶体的电性能的微观机制仍然是个谜。
在《可穿戴电子》杂志上发表的一项研究中，清华大学和南洋理工大学的研究人员团队描述了一种新方法，该方法将分子动力学与机器学习相结合，以绘制电压和电荷运动之间的关系。通过阐明微观机制，该研究将有助于合理设计坚固的有机晶体，使其在可穿戴应用典型的机械变形下保持高性能，为下一代皮肤安装传感和计算系统铺平道路。
“柔性电子元件在运行过程中会受到拉伸和弯曲等机械应力，”资深通讯作者李树洲解释道。 “确保其不间断运行需要出色的灵活性和可靠的电气运行。”
同时，需要澄清控制电性能对拉应力依赖性的微观机制。该团队的解决方案是创建一个机器学习模型，可以根据分子的结构组成来预测电子键合（电荷在分子之间跳跃的难易程度）。 “通过模拟拉伸对一种称为并五苯的常见有机半导体的影响，该模型可以揭示该材料的内部电力‘交通模式’在压力下如何变化，”李补充道。
研究小组观察到，沿晶轴 5% 的拉伸应变会使沿 b 轴的电荷运动增加 55%。相反，b 轴上 5% 的应变会使运动减少 33%。拓扑分析表明，a 轴应变使分子更紧密地结合在一起，形成有效的传输网络，而 a 轴应变将它们拉开，阻碍电荷流动。
“结果表明，b 轴上的应变显着增加了分子迁移率，拓宽了电子耦合分布，并进一步限制了电荷转移，”主要作者 Xi Chen 说道。 “这一发现澄清了忽略这种动态效应的更简单模型的适用性限制，这可能导致不准确的预测。”
引号
DOI
10.1016/j.wees.2026.06.001
原始来源的 URL
资金信息
这项工作得到了教育部研究基金一级 (RT9/23) 和二级 (MOE-T2EP10224-0003) 的支持。
王露西
生物设计研究
在这里给我们发电子邮件
法律免责声明：
EIN Presswire “按原样”提供此新闻内容，不提供任何形式的保证。我们不承担任何责任或义务
本文所含信息的准确性、内容、图像、视频、许可、完整性、合法性或可靠性
文章如果您有任何与本文相关的投诉或版权问题，请联系上述作者。
