基于铸型微铸造3D打印的多材料仿生电子器件研究 学术背景 随着仿生电子技术的快速发展，模拟人类感知功能的电子皮肤（Electronic Skin, E-skin）和柔性传感器在机器人、医疗设备和人机交互等领域展现出广阔的应用前景。然而，现有的仿生电子器件在材料选择、结构复杂性和功能集成方面面临诸多挑战。特别是，如何在不破坏材料性能的前提下，实现多种高难度材料的自由组装和多功能集成，成为当前研究的瓶颈。 传统的制造方法，如电纺、光刻和转移印刷，往往难以同时满足材料多样性和复杂结构的需求。3D打印技术虽然为复杂结构的制造提供了可能，但在处理多种高难度材料时，仍然面临材料兼容性、结构分辨率不足等问题。为了解决这些问题，研究人员借鉴了古代失蜡铸造（Lost-wax Casting）的技术思路，提出了...

漂浮式全向液滴振动发电器：突破性研究 学术背景 随着物联网（IoT）设备在海洋环境监测中的广泛应用，如何在不依赖电网的情况下为这些设备提供稳定电力成为了一个亟待解决的问题。传统的风力、太阳能等可再生能源在海洋环境中存在局限性，而摩擦电纳米发电机（Triboelectric Nanogenerator, TENG）因其高效的机械能转换能力被认为是一种有潜力的解决方案。然而，现有的TENG设备大多依赖于固体-固体界面摩擦，存在磨损问题，限制了其长期使用。此外，许多液滴基TENG只能单向收集能量，无法适应海洋环境中不可预测的多向波动。 为了解决这些问题，研究团队提出了一种基于液滴的全向振动发电器（Floating Droplet-based Electricity Generator, FDEG）...

高效且可解释的电子圆二色光谱预测：Decoupled Peak Property Learning 学术背景 电子圆二色光谱（Electronic Circular Dichroism, ECD）是研究分子手性的关键工具，特别是在不对称有机合成和药物工业中，用于区分手性分子的绝对构型。然而，现有的ECD光谱预测方法存在两个主要问题：数据稀缺性和可解释性不足，导致预测结果的可信度较低。当前的ECD光谱预测依赖于耗时的量子化学计算，包括分子结构提取、构象搜索、结构优化、时间相关密度泛函理论（TD-DFT）计算和玻尔兹曼加权等步骤。这不仅需要实验化学家具备深厚的专业知识，还耗费大量的计算资源和时间。因此，如何加速ECD光谱的理论计算并提高其预测的准确性和可解释性，成为了一个亟待解决的问题。 论文来...

随着人工智能（AI）技术的快速发展，深度学习在复杂任务中取得了显著进展。然而，深度学习的成功在很大程度上依赖于大量标注数据，而数据的标注过程不仅耗时、劳动密集，还需要专业的领域知识，成本高昂。特别是在一些专业领域中，如机器人技能学习、催化剂发现、药物发现和蛋白质生产优化等，获取标注数据的难度和成本尤其突出。为了解决这一问题，深度贝叶斯主动学习（Deep Bayesian Active Learning, DBAL）应运而生。DBAL通过主动选择最有信息量的数据进行标注，显著提高了标注效率，从而在有限标注数据的情况下实现高质量的学习。 然而，DBAL的实现面临着一个重要的技术挑战：它需要处理大量的随机变量和高带宽的数据传输，这对传统的确定性硬件提出了极高的要求。传统的互补金属氧化物半导体（Co...

可编程形状优化与形变问题的研究：Morpho环境的开发与应用 学术背景 软材料（soft materials）在科学和工程领域中扮演着至关重要的角色，特别是在软体机器人、结构流体、生物材料与颗粒介质等领域。这些材料在机械、电磁或化学刺激下会发生显著的形状变化。理解并预测这些材料的形状变化，对于优化设计及其背后的物理机理具有重要意义。然而，形状优化问题通常非常复杂，现有的模拟工具要么功能有限，要么不够通用，导致研究人员在处理这类问题时面临诸多挑战。 为了解决这一难题，研究人员开发了一个开源的、可编程的优化环境——Morpho，旨在为形状优化问题提供一个通用且易于使用的工具。Morpho能够处理多种软材料物理问题，如膨胀水凝胶（swelling hydrogels）、复杂流体中的非球形液滴、肥皂...