Samoregenerujące się urządzenia jontroniki neuromorficznej do niezawodnej interakcji człowiek–maszyna

Miękka elektronika, która odradza się po uszkodzeniach

Wyobraź sobie pasek do smartwatcha lub protezę, których „nerwy” działają nawet po zgięciu, zarysowaniu czy przecięciu — a potem cicho się regenerują. Artykuł opisuje nowy rodzaj miękkiego urządzenia elektronicznego, które potrafi wykrywać i przetwarzać ruch podobnie jak prosty mózg, a jednocześnie naprawiać poważne uszkodzenia mechaniczne, co sprawia, że przyszłe urządzenia noszone, protezy i roboty będą znacznie bardziej niezawodne w codziennym użyciu.

Dlaczego dzisiejsze miękkie układy wciąż zawodzą

Współczesne urządzenia coraz częściej próbują dorównać elastyczności ciała, ale leżąca u ich podstaw elektronika to często jedynie cienkie, giętkie wersje sztywnych układów scalonych. Ich warstwy aktywne są ciągłymi filmami: gdy powstanie głęcka szczelina lub przebicie, ścieżki przewodzące mogą zawieść katastrofalnie. Nawet zaawansowane „samonaprawcze” tworzywa tylko częściowo rozwiązują problem. Wielokrotne rozciąganie i naprawa mogą subtelnie zmieniać ich chemię, powodując dryf parametrów — poważny problem, jeśli urządzenie pełni rolę nerwu lub systemu uczącego się. Autorzy twierdzą, że naprawdę niezawodna miękka elektronika musi łączyć sprytne materiały z równie przemyślaną architekturą.

Nauka z planu budowy dżdżownicy

Dżdżownice dostarczają kluczowej inspiracji. Ich ciało składa się z powtarzających się segmentów, z których każdy ma własne małe centrum nerwowe. Jeśli dżdżownica zostanie uszkodzona, pozostałe segmenty nadal mogą funkcjonować, a uszkodzone części potrafią się zregenerować. Przenosząc ten pomysł na elektronikę, badacze zbudowali elastyczną taśmę wypełnioną wieloma małymi, kopulastymi jednostkami, z których każda działa jak pojedynczy elektroniczny „neuron”. Te kopuły wykonane są z żelu bogatego w jony, który przewodzi sygnały za pomocą naładowanych cząstek zamiast standardowych metalowych przewodów, i potrafią skleić się po przecięciu. Ponieważ jednostki są od siebie oddzielone, pęknięcia są mechanicznie zatrzymywane, zamiast rozprzestrzeniać się po całym urządzeniu.

Mała kopuła z żelu zachowująca się jak synapsa

W centrum każdej jednostki znajduje się specjalnie zaprojektowany ionogel — miękkie ciało stałe zawierające sieć łańcuchów polimerowych i nieparującą ciecz jonową. Jony litu przemieszczają się przez tę sieć pod wpływem przyłożonego prądu, wywołując odpowiedzi elektryczne przypominające sposób, w jaki biologiczne synapsy wzmacniają się lub osłabiają przy powtarzającej się aktywności. Rdzeń kopuły jest bogaty w jony litu, natomiast zewnętrzna powłoka zawiera drobne cząsteczki tlenku niklu, które pomagają ujarzmić i spowolnić jony. Ta konstrukcja rdzeń–powłoka daje stabilne, regulowane impulsy sygnałowe, które mogą przechowywać „pamięć” przez wiele sekund, obsługiwać dziesiątki rozróżnialnych poziomów i zmieniać się płynnie w zależności od wzorca impulsów wejściowych. Co istotne, gdy kopułę przeciąć na pół i dopuścić do jej zagojenia, siła sygnału wraca prawie do pierwotnej wartości, a materiał potrafi nawet odzyskać kształt po poważnej deformacji.

Zaprojaktowane, by przetrwać cięcia, zakrzywienia i warunki zewnętrzne

Dzięki temu, że urządzenie składa się z szeregu niezależnych kopuł, zachowuje się bardziej jak zbiór odpornych zakończeń nerwowych niż kruche, jednorodne arkusze. Pojedyncze jednostki można odłączyć i ponownie przymocować do nowych podłoży, a nadal działają normalnie. Układ zawierający ponad sto kopuł wykazał jednorodne zachowanie i pozostał stabilny nawet przy silnych promieniach zgięcia. Chemia ionogelu również opiera się przed wysychaniem i degradacją: po roku przechowywania w zwykłym powietrzu odpowiedź sygnałowa nadal wynosiła ponad 90% wartości wyjściowej. To połączenie architektury segment-po-segmenecie, materiału samonaprawczego i pamięci kształtu daje systemowi wielowarstwową ochronę przed zużyciem w realnych warunkach.

Nauczanie miękkiego „nerwu” rozpoznawania ruchu człowieka

Aby pokazać możliwości tych urządzeń, zespół zbudował prosty system rozpoznawania ruchu. Mały czujnik ruchu w dłoni osoby mierzył przyspieszenie i obroty, następnie zamieniał te sygnały na impulsy elektryczne wysyłane do jednej z kopuł żelowych. Odpowiedź kopuły zależała od wzorca i historii impulsów, skutecznie kodując, jak ramię poruszało się po torze. Po treningu system potrafił rozróżniać kilka ścieżek i sekwencji skrętów z dokładnością sięgającą 98%. Co więcej, gdy kopułę przecięto na pół, a potem pozwolono jej się zregenerować, dokładność rozpoznawania spadła tylko nieznacznie, pozostając na poziomie około 96%. Zdekodowane instrukcje trasy były następnie przesyłane bezprzewodowo do robota przypominającego węża, który z powodzeniem podążał za wskazanymi przez człowieka trasami.

W kierunku odpornych na uszkodzenia urządzeń noszonych i robotów

Mówiąc prościej, praca pokazuje, jak budować elastyczne „nerwy” dla maszyn, które potrafią zarówno uczyć się z ruchu, jak i odzyskiwać sprawność po poważnych uszkodzeniach. Naśladując segmentowaną, redundantną budowę dżdżownicy i łącząc ją z samonaprawczym materiałem na bazie jonów, autorzy tworzą urządzenia neuromorficzne, które działają w warunkach, które unieruchomiłyby konwencjonalne układy. Taka technologia może ostatecznie doprowadzić do protez pozostających niezawodnymi po wypadkach, miękkiego sprzętu rehabilitacyjnego, który wytrzyma codzienne zużycie, oraz robotów reagujących nawet w surowych, nieprzewidywalnych środowiskach.

Cytowanie: Li, Y., Chen, J., Tang, S. et al. Self-revival iontronic neuromorphic devices for robust human-machine interaction. npj Flex Electron 10, 59 (2026). https://doi.org/10.1038/s41528-026-00566-0

Słowa kluczowe: elastyczne urządzenia neuromorficzne, elektronika samonaprawcza, ionogel, interakcja człowiek-robot, czujniki noszone