近年來大數據，云計算發展迅速，ChatGPT等AI模型的發展，標志著人工智能的到來，它們將重新定義我們與物理世界的交互方式，將物理世界與人工智能連接的核心技術之一便是柔性傳感器；許多機器學習算法是基于傳感器進行的，比如卷積神經網絡（CNN）,人工神經網絡（ANN）以及循環神經網絡（RNN）；這些算法通過對傳感器得到的電信號進行處理，除去異常值，去噪并進行歸一化處理，將電信號轉換成易于模型分析的數據集，在這個過程中電信號的采集對于傳感器具有較高的要求，比如高靈敏度，高分辨率，低的漂移，以及良好的循環穩定性；傳統的剛性傳感器具有良好的循環穩定性與準確性，但剛性傳感器難以彎曲，在人機交互領域無法滿足需求，而柔性傳感器可以彎曲適應各種曲面，更加貼合人體曲線，能夠很好地與人體或物體配合，提供舒適的體驗；柔性壓電傳感器作為柔性傳感器的一個分支，將物理信號轉化為機器可識別的電信號，利用壓電效應制造的壓電傳感器具有很高的靈敏度，能夠檢測微小的壓力變化，在醫療診斷、運動監測等領域能夠提供精確的數據；與傳統的剛性傳感器相比，柔性壓電傳感器更輕、更靈活，能夠以更便捷的方式集成到衣物、配件、或其他設備中，提高了便攜性和舒適度，可以廣泛應用于智能穿戴、虛擬現實、人機交互、醫療健康監測等領域。
圖1. (a)-(c) MOF、MoS2和MOF@MoS2的FTIR光譜，(d) XRD譜圖，(e)紫外可見吸收光譜，(f)-(g) Tauc圖，(h) Mott-Schottky圖，(i)能帶示意圖。
圖2. AFM圖像(a) MoS2, (b) MOF, (c) MOF@MoS2（1:2）的幅值、高度和三維圖像。
圖3. 可能的機制和AFM圖像
圖4. (a)壓電傳感器正接、反接的壓電輸出，(b)不同傳感器壓電輸出，(c)-(d) 0.5% MOF@MoS2（1:2）傳感器靈敏度，(e)響應和恢復時間，(f)傳感器漂移測試，(g)循環穩定性測試，(h)-(i)傳感器結構圖和光學圖像。
對制作的壓電傳感器進行性能測試，如圖4a所示，壓電傳感器在2.2kPa的作用力下具有0.3V的輸出電壓。靈敏度為0.183V/kPa。具有10.3ms的響應時間，與18.1ms的恢復時間，在經歷3個月的放置后，壓電性能基本不變，經歷3000次的循環后仍然具有優異的循環穩定性。
原文鏈接：https://doi.org/10.1016/j.cej.2024.157399
- 煙臺大學劉洪亮教授課題組《Adv. Sci.》:具有面內可逆折疊-伸展性能的柔性導電薄膜 2021-08-17
- 北理工黃佳琦特別研究員課題組在高安全性金屬鋰電池領域研究取得新進展 2018-01-12
- 西安交大郭保林教授、憨勇教授、趙鑫副教授團隊 NSR：在耐藥細菌感染的運動部位創面全過程管理上取得新進展 2025-06-12
- 中科院納米能源所李琳琳團隊 Small：氧空位工程增強壓電聲動力學腫瘤治療 2023-03-17
- 中科院納米能源所李琳琳&王中林團隊 ACS Nano：具有壓電電子效應的納米聲敏劑用于增強腫瘤聲動力治療 2022-06-30
- 北石化師奇松課題組 CEJ：可用于人體健康和運動監測的柔性壓電傳感器 2024-04-19
