芝加哥大学王思泓教授团队 Nat. Electron.: 大规模可拉伸神经形态电路 - 用于体表边缘计算

该研究针对柔性传感器和生物电子器件在体表实时处理高密度生理信号的需求，提出了一种大规模、本征可拉伸的有机电化学晶体管神经形态阵列。研究背景在于传统计算芯片刚性大、难以与柔软传感界面集成，而远程传输数据会导致延迟和能量损耗。研究目的是开发一种可在可穿戴、植入式器件和软机器人中实现近传感端机器学习计算的硬件平台。通过优化微裂纹金电极、可拉伸半导体聚合物和光图案化离子凝胶电解质的协同设计，团队实现了每平方厘米10,000个晶体管的高密度集成，并在60%拉伸应变下保持稳定性能。结论表明，该阵列可实现100个可区分电导状态、超过2500次循环的耐久性，并在心脏风险评估中达到78.7%的测试准确率。此外，该阵列成功用于心脏电生理波前定位和软机器人导航的强化学习，展示了在体表边缘计算中的应用潜力，解决了“传感柔软、计算刚性”的问题。