柔性壓力傳感器能夠仿效人類(lèi)皮膚的機械感受器，將觸覺(jué)刺激轉換為定量的電信號，在智能機器人、健康監測和人機接口等領(lǐng)域展現出廣闊的應用前景。傳統的傳感器設計通常依賴(lài)于耗時(shí)的實(shí)驗和模擬過(guò)程，通過(guò)正向結構-性能的設計路徑逐步探索可能的解決方案。這種方式不僅耗費時(shí)間和資源，而且每次實(shí)驗往往只能針對特定材料找到一個(gè)優(yōu)化的結構，難以實(shí)現廣泛的線(xiàn)性響應。相比之下，逆向設計方法則從預期的輸出特性入手，推導出所需的輸入參數，理論上能夠更高效地達到目標功能。然而，傳感器的應用場(chǎng)景和設計需求多樣復雜，導致常規依賴(lài)大量數據的設計方法難以有效執行（如圖1）。因此，如何減少所需的數據量并實(shí)現高效的逆向設計，成為推動(dòng)柔性壓力傳感器領(lǐng)域發(fā)展的關(guān)鍵問(wèn)題。

為了克服這些挑戰，南方科技大學(xué)郭傳飛教授、香港大學(xué)方絢萊教授研究團隊合作提出了一種高效的逆向設計方法，通過(guò)引入降階模型來(lái)限制設計范圍，并提出了“跳躍選擇"方法以提高數據篩選效率。相關(guān)成果以“Data-driven inverse design of flexible pressure sensors"為題發(fā)表在《美國國家科學(xué)院院刊》（PNAS）上。這項研究的主要貢獻者包括劉之光、蔡旻堃、洪申達、石君利等人。通訊作者為南方科大郭傳飛教授和香港大學(xué)方絢萊教授。南方科技大學(xué)為該論文的第一通信單位。

具體而言，降階模型通過(guò)解析方法確定內部約束條件，避免了昂貴的實(shí)驗和模擬，大幅降低了模型分析的成本。該方法通過(guò)限制設計范圍，將設計空間縮小至原先的四分之一甚至更少，從而減少了數據需求量（如圖2所示）。此外，“跳躍選擇"方法通過(guò)訓練代理模型來(lái)預測結構性能評分，并迭代更新數據集和模型，以六倍于傳統隨機選擇的效率進(jìn)行數據篩選，從而快速找到具有高線(xiàn)性響應的微結構設計方案（如圖3所示）。

通過(guò)應用這一高效的逆向設計方法，研究團隊成功預測并實(shí)驗證明了多種具備線(xiàn)性響應的柔性壓力傳感器微結構設計（如圖4所示）。實(shí)驗結果表明，這些傳感器在動(dòng)態(tài)和循環(huán)加載條件下表現出良好的線(xiàn)性特性和靈敏度。尤其是，設計的線(xiàn)性傳感器陣列在各種位置和加載條件下，均能輸出與負載成正比的總電容信號，從而大幅簡(jiǎn)化了數據處理的復雜性。

團隊采用摩方精密nanoArch®S130（精度：2 μm）3D打印設備，實(shí)現了所設計的復雜凸起結構模板的高精度打?。ㄗ钚M向寬度：10 μm，高度范圍：10~73 μm），并結合翻模技術(shù)制備了柔性PVA-H3PO4微結構離電功能層（圖5）。

此外，所設計結構的線(xiàn)性響應還能夠應用于多種不同材料和測試條件，證明了該方法的廣泛適用性和有效性，為智能機器人、高級醫療和人機接口等多種應用場(chǎng)景提供了器件設計的技術(shù)途徑（如圖6）。

本研究得到了國家自然科學(xué)基金、廣東省科技廳和深圳市科創(chuàng )局的支持。