Progettazione predittiva di elettrodi estensibili con prestazioni insensibili alla deformazione tramite un flusso di lavoro integrato robotica e apprendimento automatico

Elettronica che può allungarsi come la pelle

Dalle maglie intelligenti che monitorano il battito cardiaco ai robot morbidi che si muovono come organismi viventi, i dispositivi del futuro avranno bisogno di cablaggi e batterie in grado di allungarsi, torcersi e piegarsi senza guastarsi. Questo articolo descrive un nuovo metodo per progettare tali “elettrodi estensibili” in modo che continuino a funzionare anche quando vengono tirati fino a più volte la loro lunghezza originale. Accoppiando robot di laboratorio, intelligenza artificiale e simulazioni al computer, i ricercatori identificano materiali e strutture che si comportano più come pelle elastica che come metallo fragile.

Perché è difficile realizzare fili estensibili

La maggior parte dei metalli e dei materiali per batterie è eccellente nel condurre elettricità ma pessima nel gestire le deformazioni. Quando vengono allungati, sottili film metallici si fessurano rapidamente e la loro resistenza elettrica aumenta drasticamente, causando il fallimento dei dispositivi. Gli ingegneri hanno sperimentato metalli liquidi, reti di nanotubi e pattern intelligenti che ridistribuiscono lo sforzo, ma trovare un equilibrio tra tre esigenze simultanee — elevata conducibilità, grande estensibilità e prestazioni stabili sotto deformazione — è rimasto difficile. L’approccio tradizionale basato su prove ed errori, in cui si modifica un parametro alla volta, semplicemente non è in grado di affrontare l’enorme numero di possibili ricette e passaggi di processo.

Lasciare che robot e IA esplorino un ampio spazio di progetto

Gli autori affrontano il problema costruendo una pipeline integrata di “scoperta dei materiali”. Un robot pipettatore mescola centinaia di combinazioni di quattro componenti: fogli conduttivi di MXene, nanotubi di carbonio, nanoparticelle d’oro e un polimero flessibile. Queste miscele vengono filtrate in sottili film e testate per la loro capacità di condurre elettricità. Usando questi risultati, un modello di machine learning scarta rapidamente i cattivi performer e mappa una regione più piccola e promettente dello spazio di progetto. Poi, in più cicli di “active learning”, l’IA propone le ricette e le condizioni di processo più informative; il robot le prepara, il team misura le proprietà e il modello viene aggiornato. Accorgimenti di data augmentation migliorano ulteriormente l’affidabilità del modello senza richiedere migliaia di esperimenti aggiuntivi.

Creare piccole pieghe che domano grandi sforzi

Oltre alla composizione, l’intuizione chiave è che la forma superficiale dei film può essere ingegnerizzata per gestire l’allungamento. Riducendo e riallungando il materiale su speciali fogli di plastica e nastri adesivi, il team crea film microtesturizzati decorati con pieghe e rughe gerarchiche — creste sopra onde superficiali. Le simulazioni al computer rivelano come funzionano queste forme: quando vengono tirate, le rughe si raddrizzano per prime, assorbendo la deformazione in modo che il materiale stesso subisca solo piccole deformazioni locali. Finché tali deformazioni restano al di sotto di una certa soglia, i percorsi conduttivi rimangono intatti e la resistenza elettrica cambia di poco, anche a centinaia di percentuali di allungamento.

Dai fili ultra-estensibili alle batterie morbide

Utilizzando il loro modello predittivo “campione”, il flusso di lavoro raccomanda un nanocomposito microtesturizzato specifico da impiegare come strato di supporto per un film d’oro molto sottile. Questo stack ottimizzato produce un conduttore d’oro che si comporta quasi come un metallo massiccio ma può essere allungato oltre dieci volte la sua lunghezza originale prima che la sua resistenza aumenti in modo significativo, e sopporta decine di migliaia di cicli di allungamento e rilassamento. Gli stessi principi di progettazione vengono poi applicati per realizzare una batteria completamente estensibile zinco–biossido di manganese. Qui, i collettori d’oro microtesturizzati ospitano strati spessi di materiali rigidi per batterie, eppure il dispositivo finito può essere allungato al 300 percento mantenendo capacità ed efficienza pressoché invariate per centinaia di cicli di carica e scarica.

Cosa significa questo per la tecnologia indossabile futura

Per i non specialisti, il messaggio centrale è che il team ha dimostrato una ricetta pratica per costruire componenti di alimentazione e cablaggio morbidi e durevoli che possono allungarsi con il nostro corpo o con macchine morbide. Invece di affidarsi a tentativi lenti e casuali, il loro processo guidato da robot e IA trova rapidamente combinazioni di ingredienti e forme superficiali che mantengono prestazioni elettriche stabili sotto deformazioni estreme. Questa strategia potrebbe accelerare lo sviluppo di dispositivi medici indossabili confortevoli, dispositivi flessibili per l’Internet delle cose e robot morbidi di nuova generazione, avvicinandoci a elettronica che si muove in modo naturale come la pelle e i muscoli con cui deve interagire.

Citazione: 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

Parole chiave: elettronica estensibile, dispositivi indossabili, progettazione con machine learning, batterie morbide, materiali microtesturizzati