Xinghua Hong, Shuai Guo, Swee Ching Tan 等作者在《ACS Nano》期刊上发表了一项关于多模态纳米网络电子织物的研究。该研究开发了一种受人体皮肤启发的电子织物（e-textile），能够在单一平台上同时感知应变、压力和温度，并建立了一套通用框架来解决温度与压力信号之间的串扰（crosstalk）问题。

该研究的核心科学问题是多模态传感中的信号解耦挑战。人体皮肤能够自然地解耦同时发生的热和机械刺激，但现有的多模态电子织物在通过单一通道读取温度和压力时，通常会遭受信号串扰。为解决这一问题，研究者制备了一种名为PMAP的层压纳米结构电子织物，并在其上实现了两种互补的解耦策略：一是利用神经网络辅助对电阻信号特征进行定性判别，准确率超过98.7%；二是通过引入一个压力无关的热电描述符——塞贝克系数（Seebeck coefficient），并结合电阻温度系数（Temperature Coefficient of Resistance, TCR），从数学上分离温度诱导和压力诱导的电阻变化分量，从而实现定量解耦。

在材料和制备工作流程方面，研究采用了一种简便的交替浸涂方法。首先，使用银纳米线（AgNWs）和MXene纳米片对针织聚酯（PET）织物进行功能化修饰，形成AgNWs/MXene（MAP）导电纳米网络。银纳米线作为一维导电骨架，而二维MXene纳米片的引入则与银纳米线及织物基底之间形成了大量的氢键，构建了一个三维互联且保形的网络结构，这为电子迁移和能量耗散提供了更高效的路径，显著提升了织物的导电性、稳定性和拉伸性。傅里叶变换红外光谱（FTIR）和X射线衍射（XRD）表征证实了氢键相互作用及两种导电材料的成功负载。随后，通过涂覆一层保护性的聚二甲基硅氧烷（PDMS）外层，制得了最终的PMAP电子织物。该PDMS涂层极大提升了织物的机械稳定性，实验证明，PMAP织物在超声波清洗90分钟、60次摩擦循环和弯曲测试后，其导电性几乎不受影响。同时，该织物保持了高达469 mm·s⁻¹的透气性，优于市售纯棉针织T恤，并且通过了体外细胞毒性测试，表现出良好的生物相容性。

在传感性能测试的工作流程中，研究团队首先探究了PMAP织物的拉伸传感性能。其独特的针织结构是实现传感的关键。在0%至150%的应变范围内，电阻变化呈现出四个具有不同灵敏度系数（Gauge Factor）的线性区域。该传感器甚至能检测到低至0.008%的微小应变，灵敏度系数高达238.75。研究发现了一种独特的负压阻效应，即电阻随应变增加而减小。为了解释这一机理，研究者分析了纱线与纱线、纤维与纤维之间接触点的演变，并基于Holm接触理论建立了等效电路模型。模型分析表明，拉伸过程中纱线内部纤维靠紧以及接触点数量增加，导致经向电阻、纬向电阻和接触电阻均降低，从而使得总电阻下降，展现出负压阻效应。这一机理解释进一步通过光学显微镜观察得到了直接实验证据的支持。此外，循环测试证明了其超过4000次循环的优异耐久性。

其次，对压力和温度传感特性进行了详细评估。压力传感的机制同样依赖于接触点的变化，施加压力时接触点增多导致电阻下降。PMAP织物表现出92毫秒的快速响应时间和81毫秒的恢复时间，并在8000次循环的压力加载-卸载测试中保持稳定的性能。在温度传感方面，该织物在25°C至75°C的范围内表现出稳定的负温度系数（NTC），TCR为-3.95% °C⁻¹，并且响应时间、检测限和循环稳定性均得到验证。基于此温度敏感性，研究还展示了其在火焰预警中的应用潜力，当暴露于火焰时，热量会增强电荷传输，电阻迅速下降。

针对核心的温度-压力信号解耦，工作流程分为定性和定量两步。在定性识别上，研究者开发了一个全连接神经网络（FNN）。系统通过分析输入数据的电阻变化曲线特征来辨别温度、压力及混合信号。首先，建立包含空白、单独温度、单独压力和混合效应四种状态下电阻变化曲线的数据集，利用时频分析谱图放大信号特征。T分布随机邻域嵌入（t-SNE）聚类降维分析表明，不同刺激下的数据特征区分度极高。经过训练，神经网络对各类情况的识别平均准确率达到了98.7%。在定量解耦上，研究设计了一个精巧的策略。其关键在于找到一个对压力不敏感的物理量，即塞贝克系数。通过热电实验证实，PMAP织物的塞贝克系数在不同外部压力下保持稳定，因此，由温差产生的热电压仅与温度差相关。具体解耦算法是：首先，利用已知的塞贝克系数，通过测量的热电压计算出温度差；接着，将该温度差代入电阻温度系数公式，计算出因温度引起的电阻变化分量；最后，从传感器测得的总电阻变化中减去该温度分量，即可得到纯粹的因压力引起的电阻变化分量。这一数学模型成功分离了两种信号。

本研究的主要结论是成功构建了集成温度-压力解耦能力的高性能电子织物。其科学价值在于提出了一种将神经网络定性判别与基于压力独立热电特性的定量算法相结合的信号解耦通用框架，从根本上解决了多模态传感器信号串扰这一长期挑战。该解耦方法不局限于特定材料，具有广泛的普适性。其应用价值在于，通过一系列实际场景验证，展现了该电子织物作为高效触觉传感器的巨大潜力。这些应用包括：集成到智能手套中识别抓取水杯时的温度与握力、在空调环境中同时独立监测环境温度和风速、以及集成到口罩中独立提取呼吸过程中的机械变形（压力）信号和气流热变化（温度）信号从而实现更精准的多维呼吸分析。此外，织物还被用于手势识别和信息传输，展示了其在健康监测、人机界面和可穿戴电子等领域的广阔应用前景。

该研究的亮点主要体现在三个方面。首先，材料设计上，通过一维银纳米线和二维MXene的协同组装构建了三维纳米网络，使单一传感器结构表现出高灵敏度、宽检测范围、优异耐久性和透气性的多功能传感特性。其次，解耦策略的概念新颖性，巧妙利用热电效应中塞贝克系数的压力无关性作为解耦的物理基础，建立了一套简洁有效的定量解耦数学模型，为多模态传感器设计提供了新思路。最后，方法的普适性，验证了该解耦框架不仅适用于本研究的PMAP织物，还可应用于智能纱线和薄膜等多种不同的传感材料，为其在不同系统中的广泛应用铺平了道路。