学术背景 随着元宇宙（Metaverse）的快速发展，人机交互（HMI）技术成为连接虚拟空间与人类用户的关键。其中，手势识别技术在元宇宙中尤为重要，尤其是手指运动的精确捕捉。传统用于手势识别的弯曲传感器（Bending Sensor）通常基于聚合物材料，如橡胶和粘合剂，但由于聚合物的粘弹性（Viscoelasticity），这些传感器在长期使用中存在信号漂移（Signal Drift）的问题。这种漂移会导致传感器的输出随时间变化，降低了其可靠性和长期稳定性。因此，开发一种无信号漂移的柔性弯曲传感器成为了一项重要挑战。 本文的研究旨在解决这一问题，通过使用超薄硅材料（Ultrathin Silicon）和新型直接键合技术，设计出一种无信号漂移的弹性弯曲传感器。这种传感器不仅具有高灵敏度和长寿命...

深度学习增强的金属有机框架电子皮肤在健康监测中的应用 学术背景 电子皮肤（e-skin）是一种能够感知生理和环境刺激的技术，模拟人类皮肤的功能。近年来，电子皮肤在机器人、运动科学和医疗健康监测等领域的应用潜力逐渐显现。然而，当前的电子皮肤技术面临着一些挑战：首先是多功能的实现，即如何在一个设备中同时检测多种生理信号（如生物分子、运动信号等）；其次是信号的区分问题，尤其是在同时检测多种刺激时，如何准确区分并识别不同的信号。 传统的多功能电子皮肤通常需要整合多种传感材料，这不仅增加了制造的复杂性，还可能导致设备性能不稳定。此外，现有的电子皮肤在信号的信噪比、灵敏度和稳定性方面也存在不足。因此，开发一种高性能、多功能且易于制造的电子皮肤成为了研究的焦点。 金属有机框架（Metal-Organic ...

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...

基于单片集成的三维IGZO-RRAM-SRAM计算存储新架构研究：提高神经网络计算效率的突破 背景与研究动机 随着神经网络（Neural Network, NN）在人工智能领域应用的不断深入，传统计算架构难以满足其在能耗、速度和密度方面的需求。这促使研究者将目光投向计算存储（Compute-In-Memory, CIM）芯片技术。CIM通过将计算单元与存储单元集成在一个架构中，避免大量数据在存储与计算单元间传递的“存储墙”效应，从而显著提高系统效率。已有CIM架构主要基于静态随机存取存储器（Static Random Access Memory, SRAM）、电阻随机存取存储器（Resistive Random Access Memory, RRAM）和氧化铟镓锌（Indium-Galliu...

二维晶体管中高κ氧化镓的集成研究 学术背景 随着半导体技术的不断进步，二维材料（如二硫化钼，MoS₂）因其独特的电学性能和原子级厚度，被认为是下一代晶体管通道材料的潜在候选者。然而，二维晶体管的性能在很大程度上依赖于栅极介电层的质量。传统的沉积技术（如化学气相沉积CVD和原子层沉积ALD）在二维材料表面沉积超薄金属氧化物时，往往难以形成均匀的介电层，导致界面质量差，进而影响晶体管的性能。因此，开发一种能够在二维材料表面形成高质量、超薄介电层的方法，成为了当前研究的热点。 研究来源 这项研究由来自多个机构的科研团队共同完成，主要作者包括Kongyang Yi、Wen Qin、Yamin Huang等，研究团队来自新加坡南洋理工大学、南京航空航天大学、中国科学院上海微系统与信息技术研究所、美国德...