《Kirigami启示了可穿戴传感器的新方法》

  • 来源专题:宽带移动通信
  • 编译者: 张卓然
  • 发布时间:2020-01-08
  • 随着可穿戴传感器的日益普及,人们需要一种能够抵抗人体自然运动的压力和应变破坏的材料。为此,伊利诺伊大学厄本那-香槟分校的研究人员开发了一种采用激进折纸结构的方法,以帮助材料变得更耐应变,并且更能适应运动。

    kirigami与折纸(更为人熟知的折纸艺术)类似,除了折叠外,还包括切割。机械科学与工程学副教授SungWoo Nam和Keong Yong领导的团队成功地将kirigami架构应用于超薄材料石墨烯上,从而创建了适合可穿戴设备的传感器。

    Nam指出:“为了得到最佳的传感效果,您不希望您的运动产生额外的信号输出。” “我们使用kirigami切口来提供超出材料正常变形能力的拉伸能力。这种特殊的设计非常有效地将运动伪影与期望信号解耦。”

    为了获得这些结果,研究团队与机械科学与工程教授Narayana Aluru合作进行了大量的模拟,并在纳米制造节点上开发了在线软件,这是此类中第一个被开发的软件。在线软件平台允许研究人员在创建实际设备或平台之前进行模拟。

    一旦团队想出了一个在模拟中运行良好的设计,就该进行测试了。石墨烯作为一种材料似乎很有前途,因为与金属和其他常规材料相比,石墨烯可以承受明显的变形和断裂。由于石墨烯是原子上薄的材料,因此研究团队能够将石墨烯层封装在两个聚酰亚胺层之间(这和用于保护可折叠智能手机的材料相同)。一旦“三明治”结构被创造出来,他们接下来就会设计出“吉里贾米切割”来增强材料的延展性。

    Nam说:“由于石墨烯既对外部变化敏感,同时也是一种柔性半金属导体,因此人们对用石墨烯来创建传感器非常感兴趣。” “这种灵敏度非常适合检测周围的情况,例如汗液中的葡萄糖或离子水平。”

    研究小组发现,采用kirigami结构不仅使石墨烯具有可拉伸性,而且对应变不敏感,没有运动伪影,这意味着即使石墨烯变形,其电状态也不会产生变化。具体来说,他们发现石墨烯电极在高达240%的单轴应变或720度的扭曲下能表现出应变不敏感性。

    他们在《今日材料》上发表了研究结果。

    Nam说:“ kirigami有趣的是,当你拉伸它的时候会产生平面外倾斜。” “这就是这种结构能够承受如此大的变形的原因。”

    在他们的设计中,研究人员将有源传感元件放在由激折石墨烯制成的两个“桥”之间的“岛”上。虽然石墨烯在弯曲和倾斜过程中没有失去任何电信号,但但它仍然从拉伸和拉伸中吸收了负载,使得有源传感元件能够保持与表面的连接。因此,kirigami具有重新分配应力集中的独特能力,从而获得增强的方向机械属性。

    虽然研究小组成功证明了基本方法,但他们已经在进行2.0版的改进,并有可能最终将该技术商业化。

    该团队还使用聚二甲基硅氧烷(PDMS)并在三明治层方面取得了优秀的成果,他们认为,除了石墨烯之外,该设计还可以扩展到其他原子级薄的材料,例如过渡金属二卤化物。

相关报告
  • 《美国兰德公司:《可穿戴传感器技术及其在执法中的潜在应用》》

    • 来源专题:中国科学院文献情报生命健康领域集成服务门户
    • 编译者:李荣
    • 发布时间:2020-11-09
    • 近日,美国兰德公司发布《可穿戴传感器技术及其在执法中的潜在应用》报告,表明可利用可穿戴传感器技术(WST)识别高优先级需求,以改善官员的安全和健康。报告指出,目前的WST还未充分开发,无法用于整体的执法目的。尽管商业设备价格低廉且便携,但缺乏通知和支持决策所需的准确性和精确性。因此,短期重点应放在为使WST更适用于执法部门而做准备,让执法部门参与开发WST,并制定管理和监测数据的政策。报告建议,应向官员们介绍WST的多种用途和目的;进行试点测试,并收集经验反馈;尽早确定过程中的目标和结果;制定共享数据的策略和过程;开发有序或分阶段的方法,对经验证的WST进行实地评估;建立个人基准,以解决个人之间的差异;监测研究状态,管理执法和公众期望;对数据采用端到端的加密;为WST用户制定关于解释数据和度量标准的指导和教育。
  • 《可穿戴分子传感器在内分泌和代谢领域的挑战与机遇》

    • 来源专题:重大慢性病
    • 编译者:黄雅兰
    • 发布时间:2025-09-10
    • 分析非常规生物基质(如间质液、汗液、眼泪或呼吸)的可穿戴技术有可能以最小的侵入性提供纵向生物标志物数据。这些数据可以提供对生理和行为模式的深入了解,特别是在医疗保健设施之外。尽管连续血糖监测取得了成功,但可穿戴传感器在管理内分泌和代谢疾病方面的应用仍然有限。这一观点强调了五个关键挑战,并提出了解决方案。首先,了解纵向生物标志物图谱的生理学对于揭示健康轨迹预测中的节律模式和生理相互关系至关重要。第二,技术障碍目前阻碍了对大多数临床相关生物标志物的持续监测。第三,机器学习模型经常与密集生物标志物数据集的复杂性作斗争,这增加了虚假相关性的风险。第四,可穿戴传感器数据的诊断价值需要通过临床研究进行验证,而预测治疗结果需要在现实世界环境中延长观察期的多样化和大规模患者队列。最后,大多数可穿戴设备都是孤立的解决方案。因此,它们缺乏互操作性和与临床路径的集成,并且通常不能结合上下文和用户输入。解决这些挑战将是推进可穿戴传感器在未来医疗保健环境中的内分泌和代谢护理中的作用的关键。