Diseño predictivo de electrodos estirables con rendimiento insensible a la deformación mediante un flujo de trabajo integrado de robótica y aprendizaje automático

Electrónica que puede estirarse como la piel

Desde camisetas inteligentes que registran nuestro pulso hasta robots blandos que se mueven como seres vivos, los dispositivos del mañana necesitarán cables y baterías que puedan estirarse, torcerse y doblarse sin fallar. Este artículo describe una nueva manera de diseñar esos “electrodos estirables” para que sigan funcionando incluso cuando se estiran varias veces su longitud original. Al combinar robots de laboratorio, inteligencia artificial y simulaciones por ordenador, los investigadores descubren materiales y estructuras que se comportan más como piel elástica que como metal frágil.

Por qué es difícil fabricar cables estirables

La mayor parte de los metales y materiales de batería son excelentes conductores pero pésimos a la hora de soportar deformaciones. Al estirarse, las películas metálicas delgadas se agrietan rápidamente y su resistencia eléctrica se dispara, provocando fallos en los dispositivos. Los ingenieros han probado metales líquidos, redes de nanotubos y patrones ingeniosos que distribuyen el esfuerzo, pero equilibrar tres requisitos a la vez —alta conductividad, gran capacidad de estiramiento y rendimiento estable bajo deformación— ha seguido siendo esquivo. El enfoque habitual de prueba y error, cambiando un parámetro a la vez, no puede abordar el enorme número de recetas y pasos de procesamiento posibles.

Dejando que robots e IA exploren un enorme espacio de diseño

Los autores abordan el problema construyendo una canalización integrada de “descubrimiento de materiales”. Un robot pipeteador primero mezcla cientos de combinaciones de cuatro bloques básicos: láminas conductoras de MXene, nanotubos de carbono, nanopartículas de oro y un polímero flexible. Estas mezclas se filtran en películas delgadas y se prueban para medir su conductividad eléctrica. Con esos resultados, un modelo de aprendizaje automático descarta rápidamente a los malos candidatos y mapea una región más pequeña y prometedora del espacio de diseño. Luego, en varias rondas de “aprendizaje activo”, la IA propone las recetas y condiciones de procesamiento más informativas; el robot las fabrica, el equipo mide sus propiedades y el modelo se actualiza. Trucos de aumento de datos mejoran aún más la fiabilidad del modelo sin requerir miles de experimentos adicionales.

Creando pequeñas arrugas que doman grandes deformaciones

Más allá de la composición, la idea clave es que la forma superficial de las películas puede diseñarse para manejar el estiramiento. Mediante el encogimiento y el reestiramiento del material sobre láminas de plástico especiales y cintas adhesivas, el equipo crea películas microtexturizadas decoradas con arrugas y pliegues jerárquicos —crestas sobre ondulaciones. Las simulaciones por ordenador revelan cómo funcionan estas formas: al tirar de ellas, las arrugas se estiran primero, absorbiendo la deformación de modo que el material en sí experimenta sólo pequeñas deformaciones locales. Mientras esas deformaciones se mantengan por debajo de cierto umbral, las rutas conductoras permanecen intactas y la resistencia eléctrica apenas cambia, incluso a elongaciones de varios cientos por ciento.

De cables ultraestirables a baterías blandas

Usando su modelo predictivo “campeón”, el flujo de trabajo recomienda un nanocompuesto microtexturizado específico para servir como capa de soporte para una película de oro muy delgada. Esta pila optimizada produce un conductor de oro que se comporta casi como metal macizo pero que puede estirarse más de diez veces su longitud original antes de que su resistencia aumente de forma apreciable, y sobrevive a decenas de miles de ciclos de estirado y relajación. Los mismos principios de diseño se aplican después para fabricar una batería estirable de zinc–dióxido de manganeso. Aquí, los colectores de oro microtexturizados alojan capas gruesas de materiales rígidos de batería, y aun así el dispositivo acabado puede elongarse hasta un 300% mientras entrega una capacidad y eficiencia casi inalteradas durante cientos de ciclos de carga y descarga.

Qué implica esto para la tecnología vestible futura

Para el público no especialista, el mensaje central es que el equipo ha demostrado una receta práctica para construir componentes de energía y cableado blandos y duraderos que pueden estirarse con nuestros cuerpos o con máquinas blandas. En lugar de confiar en conjeturas lentas, su proceso guiado por robots e IA encuentra rápidamente combinaciones de ingredientes y formas superficiales que mantienen un rendimiento eléctrico estable bajo deformaciones extremas. Esta estrategia podría acelerar el desarrollo de wearables médicos confortables, dispositivos flexibles de Internet de las Cosas y robots blandos de próxima generación, acercándonos a una electrónica que se mueve tan naturalmente como la piel y los músculos con los que debe funcionar.

Cita: Yang, H., Chen, Q., Chen, T. et al. Predictive design of stretchable electrodes with strain-insensitive performance via robotics- and machine learning-integrated workflow. Nat Commun 17, 1778 (2026). https://doi.org/10.1038/s41467-026-68484-3

Palabras clave: electrónica estirable, dispositivos vestibles, diseño con aprendizaje automático, baterías blandas, materiales microtexturizados