Selvreparerande jontroniska neuromorfa enheter för robust människa–maskin-interaktion

Mjuk elektronik som återhämtar sig efter skador

Föreställ dig ett smartklockarmband eller en konstgjord lem vars ”nerver” fortsätter fungera även efter att de böjts, repats eller skurits — och som sedan tyst läker sig själva. Denna artikel beskriver en ny typ av mjuk elektronikenhet som kan känna och bearbeta rörelser som en enkel hjärna samtidigt som den reparerar allvarliga mekaniska skador, vilket gör framtida bärbara enheter, proteser och robotar mycket mer tillförlitliga i vardagen.

Varför dagens mjuka kretsar fortfarande går sönder

Moderna prylar försöker alltmer efterlikna kroppens flexibilitet, men den underliggande elektroniken är ofta bara tunna, böjbara varianter av styva chip. Deras aktiva lager är kontinuerliga filmer: när en djup spricka eller punktering uppstår kan de elektriska vägarna kollapsa katastrofalt. Även avancerade ”självläkande” plaster löser problemet bara delvis. Upprepad uttänjning och reparation kan subtilt förändra deras kemi och orsaka prestandadrift — ett allvarligt problem om enheten fungerar som en nerv eller ett inlärningssystem. Författarna hävdar att verkligt pålitlig mjuk elektronik måste kombinera intelligenta material med lika genomtänkt arkitektur.

Lärdom från daggmaskens kroppsplan

Daggmaskar ger den centrala inspirationen. Deras kroppar består av upprepade segment, varje med sitt eget lilla nervcentrum. Om en mask skadas kan de återstående segmenten fortfarande fungera och skadade delar kan regenerera. Överfört till elektronik byggde forskarna en flexibel remsa fylld med många små, kupolformade enheter, var och en agerande som en individuell elektronisk ”neuron”. Dessa kupoler är gjorda av en jonrik gel som för signaler med laddade partiklar snarare än vanliga metallledningar, och de kan fästa ihop igen efter att ha skurits. Eftersom enheterna är separerade från varandra stoppas sprickor fysiskt istället för att sprida sig över hela enheten.

En liten gelkupol som beter sig som en synaps

I kärnan av varje enhet finns en speciellt utformad ionogel, ett mjukt fast material som innehåller ett nätverk av polymerkedjor och en icke-förångande jonisk vätska. Litiumjoner rör sig genom detta nätverk under en pålagd ström och skapar elektriska responser som liknar hur biologiska synapser förstärks eller försvagas vid upprepad aktivitet. Kupolens kärna är rik på litiumjoner, medan dess yttre skal innehåller små nickeloxidpartiklar som hjälper till att samla och bromsa jonerna. Denna kärna–skal-design ger stabila, ställbara signalpulser som kan lagra ”minne” över många sekunder, stödja dussintals distinkta nivåer och förändras mjukt när mönstret av ingångspulser ändras. Avgörande är att när en kupol skärs i två och får läka, studsar dess signalstyrka tillbaka till nästan ursprungligt värde, och materialet kan till och med återfå sin form efter svår deformation.

Byggd för att överleva snitt, kurvor och utomhusbruk

Eftersom enheten består av en matris av oberoende kupoler beter den sig mer som en samling tåliga nervändar än som ett sprött enda ark. Enskilda enheter kan lossas och fästas på nya substrat och fungera normalt. En krets med över hundra kupoler visade enhetligt beteende och förblev stabil även när den böjdes till starka radier. Ionogelens kemi motstår också uttorkning och nedbrytning: efter ett år i normal luft var signalresponsen fortfarande över 90 % av ursprungsnivån. Denna kombination av segment-för-segment-arkitektur, självläkande material och formminne ger systemet flera skyddsskikt mot verkligt slitage.

Att lära en mjuk ”nerv” att läsa mänsklig rörelse

För att visa vad dessa enheter kan göra byggde teamet ett enkelt rörelse-kognitionssystem. En liten rörelsesensor i en persons hand mätte acceleration och svängning, och omvandlade dessa signaler till elektriska pulser som skickades till en av gelkupolerna. Kupolens respons berodde på pulsmönstret och dess historik och kodade i praktiken hur armen hade rört sig längs en bana. Efter träning kunde systemet särskilja flera banor och svängsekvenser med upp till 98 % träffsäkerhet. Ännu mer imponerande var att när kupolen skars i två och sedan fick läka, sjönk igenkänningsnoggrannheten bara marginellt och låg kvar runt 96 %. De avkodade baninstruktionerna skickades sedan trådlöst till en orm-liknande robot som framgångsrikt följde de mänskligt angivna rutterna.

Mot skadesäkra bärbara enheter och robotar

Enkelt uttryckt visar detta arbete hur man bygger flexibla ”nerver” för maskiner som både kan lära av rörelse och återhämta sig från allvarliga skador. Genom att efterlikna daggmaskens segmenterade, redundanta kroppsplan och kombinera den med ett självläkande jonbaserat material skapar författarna neuromorfa enheter som fortsätter fungera under förhållanden som skulle sätta konventionella kretsar ur spel. Sådan teknik kan i slutändan leda till proteser som förblir tillförlitliga efter olyckor, mjuka rehabiliteringsredskap som klarar dagligt slitage och robotar som förblir responsiva även i tuffa, oförutsägbara miljöer.

Citering: 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

Nyckelord: flexibla neuromorfa enheter, självläkande elektronik, ionogel, människa-robot-interaktion, bärbara sensorer