本文属于类型a，是一项单一的原创性研究。以下是基于该文献的学术报告。
基于多尺度导电网络构建与能带工程实现具有超高分辨率的多模态触觉传感器及其在智能感知中的应用
主要作者及发表信息
本研究由北京化工大学材料科学与工程学院的Jiafei Ren、Xing Huang、Ruolin Han、Yuxin Sun、Guangxin Chen、Zheng Zhou与北京化工大学化工资源有效利用国家重点实验室的Qifang Li等人合作完成。通讯作者为Zheng Zhou和Qifang Li。该研究成果于2025年7月7日在线发表于材料科学领域顶级期刊Advanced Functional Materials（论文编号e12937）。
研究背景
近年来，在柔性电子学和机器人技术的驱动下，能够同时感知压力与温度的多模态传感器发展迅速。触觉作为人类感知世界的重要媒介，不仅能够感知物体的存在，还能区分其重量、温度、形状和纹理。开发出类似于人体皮肤的柔性触觉传感器，对于智能机器人和可穿戴设备的实际应用至关重要。然而，当前的多模态传感器虽然在信号解耦方面取得了进步，但其有限的分辨率限制了它们在复杂场景中的应用。如何实现超高的压力检测极限和温度分辨率，从而使传感器的感知能力达到甚至超越人类水平，是该领域面临的核心挑战。自然界中，人体皮肤通过机械感受器和温度感受器分别感知压力和温度刺激，并将其转化为独立的生物信号，这为传感器的设计提供了灵感。气凝胶材料因其固有的低密度和高度结构可设计性，被认为是实现高分辨率多模态传感的理想候选者。本研究旨在通过创新的结构设计和能带调控，开发出一种具有超高分辨率、能够完全解耦压力与温度信号的多模态触觉传感器。
详细研究流程
研究团队首先确定了传感器核心材料的选择与制备。他们采用双向冷冻法，以Ti₃C₂Tx MXene纳米片和羧基化单壁碳纳米管（cSWCNT）为导电构筑单元，羧甲基纤维素（CMC）为粘结剂，二氧化硅纳米纤维（SNF）为增强相，制备了具有层状结构的气凝胶（命名为MCCSA），并将其封装在两个铜电极之间制成传感器。
在材料制备完成后，研究团队首先对MCCSA的机械性能进行了系统表征。为了探究其在实际应用中的可靠性，他们对传感器在50%应变下进行了高达10,000次的循环压缩测试，并利用原位扫描电子显微镜（SEM）观察了其在最大80%压缩应变下的微观结构演变。同时，通过有限元模拟（Finite Element Simulation）揭示了SNF在气凝胶层间的“支柱”作用和应力分散机制，即SNF通过屈曲来缓冲和分散施加在桥接片层上的应力，从而避免局部应力集中导致的结构破坏。
接下来，研究团队深入探索了传感器的压力传感性能。他们通过高分辨率透射电子显微镜（HRTEM）和分子动力学（MD）模拟，细致表征了由MXene纳米片和cSWCNT交织而成的纳米导电网络结构，并证实了CMC插层对增大MXene层间距的作用。基于构建的多尺度微纳导电网络，团队系统测试了传感器在各个压力范围内的灵敏度。他们通过施加低至0.025帕斯卡（Pa）的微小压力，并重复施加不同微小压力，以验证其在极低压力下的检测精度和可靠性。此外，还使用头发（0.3毫克）和蚊子（0.5毫克）作为载荷进行了概念验证实验，并测试了传感器对声音（拍手声）的响应能力及响应/恢复时间。
在温度传感性能研究方面，工作首次将能量过滤效应（Energy Filtering Effect）引入触觉传感器领域，旨在提高其温度分辨率。研究团队首先利用紫外光电子能谱（UPS）和紫外-可见漫反射光谱分析了Ti₃C₂Tx和cSWCNT的能带结构，计算了二者的功函数（Work Function）和费米能级（Fermi Level）位置。基于此，他们阐释了p型cSWCNT与类金属Ti₃C₂Tx接触时，界面处形成能量势垒并过滤低能载流子（空穴）的物理机制。通过系统改变cSWCNT的质量分数（0%至100%），他们测量了不同组分下的塞贝克系数（Seebeck Coefficient），确定了最优配方。在确定MCCSA具有最高39.2 μV·K⁻¹的塞贝克系数后，他们测试了传感器在不同温差（ΔT）下的热电压（Thermoelectric Voltage）输出稳定性、循环耐久性、响应时间以及能够检测到的最低温度差（0.01开尔文）。
在验证了单独的传感性能后，研究团队进一步探究了MCCSA传感器的信号解耦能力。他们通过同时施加压力和温度刺激，监测电流-电压（I-V）曲线、ΔR/R₀和热电压的变化，分析了压力对塞贝克系数的影响，以及温差对压力灵敏度的影响。有限元模拟也被用于展示在不同压力和温差共同作用下传感器的电势分布。
最后，为了展示传感器的应用潜力，研究团队进行了两项验证。其一，他们将MCCSA传感器与帕尔贴元件（Peltier Element）集成为一个智能机器人手指，通过机器学习结合压力和温度信息，对10种常见材料进行识别。采用多层感知器（MLP）分类器处理特征值，并用t分布随机邻域嵌入（t-SNE）对数据集进行可视化。其二，他们将25个MCCSA传感器组装成5×5的触觉电子皮肤（e-skin），结合卷积神经网络（CNN）分类器，对12种具有不同形状、温度和重量的杯子进行分类，以验证低像素下的多特征感知能力。
主要研究结果
在机械性能方面，MCCSA展现了卓越的超弹性和抗疲劳性。在50%应变下经过10,000次循环压缩后，其应力保持率超过88%，塑性变形仅为1.81%，这一性能在已报道的MXene基气凝胶中名列前茅。原位SEM和有限元模拟共同揭示了SNF在阻止层状结构坍塌和均匀分散应力中的关键作用，这是MCCSA能够承受并完全恢复于80%大应变的重要结构基础。
在压力传感方面，依托由桥接片层和纳米单元构建的多尺度微纳导电网络，MCCSA传感器实现了超低的0.025帕斯卡的检测极限，这是已报道的压力-温度传感器中的最高水平。传感器在0.025-0.1帕斯卡的极低压力范围内灵敏度高达1.21 kPa⁻¹，并且能够精确区分头发与蚊子的微小重量差异，甚至能灵敏地响应拍手产生的声音波。其响应和恢复时间分别为60毫秒和77毫秒，显示了快速响应的特性。
在温度传感方面，通过精心设计和调控导电构筑单元的能带结构，成功诱导了界面能量过滤效应。实验结果清晰表明，随着cSWCNT含量的增加，复合气凝胶的塞贝克系数绝对值先增加后减小，并在cSWCNT质量分数为20%时高达39.2 μV·K⁻¹，显著高于纯MXene或纯cSWCNT气凝胶。这一增强的塞贝克系数，加之传感器本身的高电导率（3.72 S·m⁻¹）和低热导率（31.6 mW·m⁻¹·K⁻¹）带来的低信噪比和稳定信号输出，共同使其温度分辨率达到了前所未有的0.01开尔文，刷新了同类传感器的记录。
信号解耦实验表明，MCCSA传感器能将压力和温度刺激分别转化为独立的电阻和电压信号。I-V曲线、恒定载荷下的变温测试和恒定温差下的变压测试等一系列结果有力地证明，压力不影响热电压输出，而温差对电阻变化的轻微影响可以忽略不计，实现了真正意义上的全解耦。
在实际应用中，集成了MCCSA传感器的智能机器人手指对10种材料的识别准确率高达97.9%，远超基于单一模态（密度或热导率）的识别率（73.8%和69.6%），并且在区分锌、铁、锡和钢等人类触觉难以辨别的材料时，其准确率（97.9%）大幅超越人类受试者（33.3%），实现了超越人类的触觉感知。基于5×5阵列的电子皮肤，即使像素很低，结合多模态信息和CNN算法，也能以高达99.4%的准确率对带有形状、温度和重量等多重特征的12种物体进行精准分类。
结论与价值
本研究受人体皮肤感知系统的启发，成功开发出一种基于Ti₃C₂Tx MXene和cSWCNT层状气凝胶的多模态触觉传感器MCCSA。通过创新的多尺度微纳导电网络构建和基于界面能量过滤效应的能带工程，该传感器在压力检测极限（0.025帕斯卡）和温度分辨率（0.01开尔文）两方面均取得了突破性进展，这两项指标在已报道的压力-温度传感器中均处于顶尖水平。该研究不仅提供了一种将触觉传感器分辨率推向新高度的有效策略，还通过将超高性能柔性传感器与机器学习相结合，展示了其在材料识别和物体分类等复杂任务中的巨大应用潜力，为人机交互和智能感知技术的进步做出了重要贡献。
研究亮点
本研究的核心亮点在于两点创新性设计。第一，通过构建宏观桥接层片与纳米单元交织的多尺度导电网络，使传感器对微小压力的感知能力得到极大增强，实现了低至0.025帕斯卡的超灵敏检测。第二，首次将热电材料领域的能量过滤效应引入触觉传感器设计，通过对MXene和cSWCNT能带结构的精确调控，在界面处形成势垒，过滤低能载流子，从而显著提高塞贝克系数，最终实现了0.01开尔文的超高温度分辨率。此外，将超越人类性能的传感器与机器学习算法深度融合，实现高精度多材料识别和低像素下多特征物体分类，是其应用层面的重要特色。