生物蜘蛛网灵活的应变传感器基于CF-L和机器学习
Jixu Zou1, Xueye Chen, Bao Song2
1School of Chemistry and Materials Science, Ludong University, No.186, Middle Hongqi Road, Zhifu District, Yantai, Shandong 264025, China.
ACS applied materials & interfaces
|April 29, 2024
概括
机器学习优化了用于传感器的激光诱导石墨烯 (LIG) 制备. 一种新的组合CO2和光纤激光 (CF-L) 方法为敏感,灵活的生物仿真应变传感器创建了精致的结构.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术纳米技术
- 传感器技术 传感器技术
背景情况:
- 激光诱导的石墨烯 (LIG) 对于传感器制造至关重要.
- 传统的CO2激光制备是耗时且低效的.
- 传感器的性能高度依赖于LIG结构的精细化.
研究的目的:
- 通过机器学习提高LIG准备效率.
- 开发一种新的膜内结构构造方法.
- 为了创建一个敏感,灵活,生物仿真的应变传感器.
主要方法:
- 机器学习算法被用来预测和优化LIG准备参数.
- 为了内膜结构的建造,引入了一种组合的CO2和纤维激光 (CF-L) 方法.
- 使用CF-L方法制造了一种灵活的应变传感器.
主要成果:
- 机器学习显著提高了LIG准备效率.
- 与单独使用CO2激光相比,CF-L方法产生了更精细和优化的LIG结构.
- 由此产生的仿生传感器表现出高灵敏度和灵活性.
结论:
- 拟议的机器学习和CF-L方法为LIG准备提供了高效和有效的方法.
- 开发的柔性应变传感器适合检测人类关节运动.
- 这项技术为先进的传感器制造提供了一个简单,经济和可扩展的解决方案.


