本研究由太原理工大学集成电路学院的Chenhui Bai、Ming Zhao、Kun Yang、Yu Niu、Hulin Zhang与新加坡国立大学机械工程系的Xinyu Dong、Quyang Liu、Wei Zhai等人共同完成，其中Chenhui Bai、Xinyu Dong和Quyang Liu为共同第一作者，Hulin Zhang与Wei Zhai为通讯作者。该研究成果于2026年发表于Nature Communications。
该研究属于柔性电子与可穿戴设备领域，旨在解决现有多模态传感器在集成化、自供电和信号解耦方面面临的核心挑战。人类皮肤是一个高度集成的多模态感知系统，能够同时感知温度、压力和生化信号，而目前的电子皮肤通常由多个分立的刚性传感器模块和外部电源组成，导致设备结构复杂、体积庞大，且信号之间相互干扰严重。因此，开发一种能够模拟人体皮肤多功能性、同时实现自供电和信号解耦的单组分电子皮肤，是该领域亟待突破的科学问题。
研究团队开发了一种基于聚乙烯醇（PVA）水凝胶的自供电电子皮肤，并通过创新的棱柱状结构设计和机器学习算法，实现了对温度、压力和汗液电解质浓度的同步感知与精准解耦。
在材料制备方面，研究设计了一套独特的顺序溶剂置换策略。首先将PVA粉末溶解于二甲基亚砜（DMSO）中，通过冻融循环使PVA分子链预组装成松散的交联网络，形成冻融凝胶（FT）。随后，将DMSO置换为甘油这一不良溶剂，以增强PVA分子间的氢键相互作用，使聚合物网络致密化并形成纳米晶域，得到甘油置换的有机凝胶（GS）。最后，将甘油置换为含Fe²⁺/Fe³⁺离子的水溶液，得到最终的离子溶液置换水凝胶（IS）。核磁共振波谱证实了溶剂置换的完整性，差示扫描量热分析显示GS和IS的结晶度分别达到30.2%和25.2%，远高于FT的7.92%，而X射线衍射和广角X射线散射进一步揭示了晶域尺寸和堆积密度的演变。二维相关光谱分析则从分子层面揭示了Fe³⁺的引入如何优先破坏原有的氢键网络，使PVA链段重排为柔度适中的交联结构。这一策略的关键优势在于解耦了水凝胶的结晶度与刚度，最终获得的IS水凝胶具备高拉伸性、低杨氏模量和高韧性，在保持高达830%以上断裂伸长率的同时，将弹性模量降低至约300 kPa，与人皮肤模量匹配，实现了舒适贴合的佩戴体验。
在多模态感知功能集成方面，研究巧妙利用了IS水凝胶中离子溶液所带来的热电效应、压电离子效应和扩散效应，分别对应于人体皮肤中游离神经末梢的温度感知、默克尔细胞的机械感知和鲁菲尼末梢的牵张敏感信号机制。温度传感基于热电流效应，水凝胶两端的温差使Fe²⁺/Fe³⁺氧化还原平衡偏移，产生电势差，其塞贝克系数经实验测定为1.6 mV/K，并通过分子动力学模拟计算了Fe²⁺和Fe³⁺在PVA网络中的溶剂化半径及配位数，从理论上解释了聚合物网络对离子热电效应影响甚微的机制。压力传感则依赖于压电离子效应，受力时水凝胶网络对阴离子扩散的部分阻碍导致阴阳离子分布不均，产生瞬时电势差和电流。研究在此进行了关键的工程创新——将水凝胶制成棱柱状结构阵列，以集中和放大垂直方向的机械应力，使得在相同受力条件下输出电流从0.7 μA大幅提升至100 μA以上，灵敏度超过18.7。COMSOL仿真揭示了棱柱尖端应力集中导致的离子浓度梯度和电位分布变化。该压力传感器具备60 Pa的低检测限、约37毫秒的快速响应时间和超过500次循环的稳定输出，并成功捕捉到桡动脉脉搏波中典型的叩击波、潮波和重搏波特征。汗液电解质传感方面，研究对接触皮肤的聚二甲基硅氧烷基底进行了盐酸亲水化处理和多孔化加工，使汗液传输速率达到3.3 mL/min。汗液中的Na⁺离子沿浓度梯度扩散进入水凝胶，同时皮肤与环境的温差引发的索雷特效应进一步增强了离子迁移，从而产生与Na⁺浓度线性相关的电流输出，并在多次盐溶液-纯水交替刺激循环中表现出优异的可重复使用性。实验证明，这三种感知机制的信号来源物理本质不同，彼此间基本独立，为后续信号解耦奠定了物理基础。
在系统集成与信号解耦层面，研究构建了一个主动式多模态信号发生器腕带接口。该腕带集成了基于水凝胶电子皮肤的信号发生单元、信号再现单元以及包含柔性印刷电路板的信号处理与传输模块。针对多刺激耦合问题，研究开发了一种基于局部注意力机制的长短期记忆网络机器学习模型。该模型通过三个堆叠的LSTM层捕捉电流信号的时序依赖关系，并通过局部注意力机制计算当前时刻与前后40秒时间窗口内历史信号的相关性权重，从而提取关键时序特征，再由三层全连接网络将复合电流信号实时解耦为温度、压力和Na⁺浓度三个独立分量。在模拟人体放松、行走、跑步、睡眠和发烧五种生理状态的实验中，该模型对温度和压力的平均绝对误差低于2%，对Na⁺浓度的估算误差也控制在30%以内，解耦结果与商用传感器测量值高度吻合，并通过云连接实现了远程健康监测与可视化反馈。
在闭环人机交互演示中，腕带通过编织带施加适当的背压来保证与皮肤的紧密接触，从而感应手指和手腕运动引发的前臂肌肉微压力变化。研究采用基于一维卷积神经网络的ResNet-34深度学习框架，对抓、伸、展、旋等多种手势产生的特征电流信号进行自动提取和分类，在200次手语测试中对10种手腕手势的平均识别准确率达到97.57%。主成分分析显示不同手势类别在二维特征空间中形成了清晰的聚类边界。识别出的手势指令通过蓝牙传输并实时控制机械臂执行相应动作。同时，研究实现了双向闭环交互：位于机械手指尖的水凝胶电子皮肤感知所接触物体的温度和压力变化，信号经控制模块线性映射后，驱动用户腕带上的微型帕尔贴热致动器和线性振动马达，使用户能够实时复现触觉和温度觉，并在温度超过80摄氏度或低于零下20摄氏度时触发安全警报，展示了无直接物理接触下的触觉再现与温度预警功能。
综合来看，本研究的科学价值在于提出了一种在单组分水凝胶材料体系内协同整合热电、压电离子和扩散三种离子驱动效应的方法，并通过棱柱状微结构工程放大力学-电学转换效率，实现了多模态感知功能的一体化。其应用价值体现在开发了集自供电生理监测、手势识别与机器人控制、触觉反馈再现于一体的穿戴式人机接口平台，为实时健康监护、智能假肢、软体机器人和沉浸式虚拟现实等领域提供了高效的解决方案。研究的亮点在于：通过顺序溶剂置换策略实现了水凝胶高结晶度与低刚度的解耦与协同优化；利用物理机制的本质差异从根源上减少了多模态信号串扰；将先进的微结构设计与时间序列深度学习模型相结合，实现了从材料到算法再到系统的全链条创新。