Conception prédictive d’électrodes extensibles avec des performances insensibles à la déformation via un flux de travail intégrant robotique et apprentissage automatique

Des électroniques qui peuvent s’étirer comme la peau

Des chemises intelligentes qui surveillent notre rythme cardiaque aux robots souples qui bougent comme des créatures vivantes, les appareils de demain auront besoin de circuits et de batteries capables de s’étirer, se tordre et se plier sans céder. Cet article décrit une nouvelle méthode de conception d’« électrodes extensibles » qui continuent de fonctionner même lorsqu’elles sont étirées à plusieurs fois leur longueur initiale. En combinant robots de laboratoire, intelligence artificielle et simulations informatiques, les chercheurs identifient des matériaux et des structures qui se comportent davantage comme une peau élastique que comme un métal cassant.

Pourquoi il est difficile de fabriquer des fils extensibles

La plupart des métaux et des matériaux de batterie excellent pour conduire l’électricité mais sont médiocres face à la déformation. Lorsqu’on les étire, les films métalliques fins se fissurent rapidement et leur résistance électrique augmente brutalement, provoquant des défaillances. Les ingénieurs ont testé les métaux liquides, les réseaux de nanotubes et des motifs astucieux qui répartissent les contraintes, mais concilier trois exigences à la fois — haute conductivité, grande extensibilité et performance stable sous contrainte — est resté difficile. L’approche habituelle d’essais et d’erreurs, où l’on change un paramètre à la fois, ne peut tout simplement pas gérer l’énorme nombre de recettes et d’étapes de traitement possibles.

Permettre aux robots et à l’IA d’explorer un vaste espace de conception

Les auteurs abordent ce problème en construisant une chaîne intégrée de « découverte de matériaux ». Un robot pipeteur mélange d’abord des centaines de combinaisons de quatre éléments de base : des feuillets conducteurs de MXène, des nanotubes de carbone, des nanoparticules d’or et un polymère flexible. Ces mélanges sont filtrés en films fins et testés pour leur conductivité électrique. À partir de ces résultats, un modèle d’apprentissage automatique élimine rapidement les mauvais candidats et délimite une région plus prometteuse de l’espace de conception. Ensuite, au cours de plusieurs cycles d’« apprentissage actif », l’IA propose les recettes et conditions de traitement les plus informatives ; le robot les réalise, l’équipe mesure leurs propriétés et le modèle est mis à jour. Des astuces d’augmentation des données renforcent encore la fiabilité du modèle sans exiger des milliers d’expériences supplémentaires.

Créer de minuscules rides qui domptent de grandes déformations

Au-delà de la composition, l’idée clé est que la forme de surface des films peut être conçue pour supporter l’étirement. En contractant puis en ré-étirant le matériau sur des feuilles plastiques spéciales et des rubans adhésifs, l’équipe crée des films microtexturés décorés de plis et de froissements hiérarchiques — des crêtes au sommet de vagues. Les simulations informatiques révèlent comment ces formes fonctionnent : lorsqu’on les tire, les rides se redressent d’abord, absorbant la déformation de sorte que le matériau lui-même subit seulement de faibles contraintes locales. Tant que ces contraintes restent en dessous d’un seuil donné, les chemins conducteurs restent intacts et la résistance électrique change à peine, même pour des allongements de plusieurs centaines de pour cent.

Des fils ultra-extensibles aux batteries souples

En s’appuyant sur son modèle prédictif « champion », le flux de travail recommande un nanocomposite microtexturé spécifique servant de couche de support pour un film d’or très fin. Cette pile optimisée produit un conducteur en or qui se comporte presque comme un métal massif mais peut être étiré à plus de dix fois sa longueur initiale avant que sa résistance n’augmente de façon notable, et il survit à des dizaines de milliers de cycles d’étirement–relaxation. Les mêmes principes de conception sont ensuite appliqués pour fabriquer une batterie zinc–dioxyde de manganèse entièrement extensible. Ici, les collecteurs en or microtexturés hébergent des couches épaisses de matériaux de batterie rigides, et pourtant le dispositif fini peut être allongé à 300 % tout en fournissant une capacité et une efficacité quasiment inchangées sur des centaines de cycles de charge/décharge.

Ce que cela signifie pour les technologies portables futures

Pour les non-spécialistes, le message central est que l’équipe a démontré une recette pratique pour construire des composants d’alimentation et de câblage souples et durables qui peuvent s’étirer avec notre corps ou avec des machines souples. Plutôt que de s’en remettre à des conjectures lentes, leur processus guidé par robot et IA trouve rapidement des combinaisons d’ingrédients et de formes de surface qui maintiennent des performances électriques stables sous des déformations extrêmes. Cette stratégie pourrait accélérer le développement de dispositifs médicaux portables confortables, d’objets connectés flexibles et de robots souples de nouvelle génération, nous rapprochant d’électroniques qui bougent aussi naturellement que la peau et les muscles avec lesquels elles sont conçues pour fonctionner.

Citation: 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

Mots-clés: électronique extensible, dispositifs portables, conception par apprentissage automatique, batteries souples, matériaux microtexturés