导电水凝胶具有结构可调、导电性好、柔韧性好等优点，在柔性传感器中得到了广泛的应用。优异的力学性能、高灵敏度和与人体组织兼容的弹性模量是柔性传感器领域的研究热点。鉴于此，》上发表了题目为 “MXene based skin-like hydrogel sensor and machine learning assisted handwriting recognition”的研究论文。

  在本篇文章中，该团队提出了以柠檬酸钠（SC）作为交联剂在聚合物网络中与MXene官能团形成多个氢键。此外，SC还有利于提高水凝胶的力学性能。MXene赋予水凝胶良好导电性，使水凝胶具有与人体组织相似的杨氏模量，灵敏性，响应速度快，耐久性等良好的传感性能，可作为柔性应变传感器，实时监测人体各部位的运动信息。更重要的是，将水凝胶传感与机器学习巧妙结合，成功地将其应用于手写识别，准确率高达0.9744。机器学习和柔性传感器的结合在医疗保健、信息安全和智能家居等领域显示出巨大的潜力，为柔性传感器的设计和开发提供有益的启示。

  图1. (A、B) MXene和水凝胶的制备示意图。(C)人体运动检测。(D)机器学习辅助手写识别。

  作者在工作中构建了以柠檬酸钠作为交联剂，MXene作为导电材料聚合物内部通过氢键作用形成的水凝胶网络结构，用于人体运动检测和手写识别应用。其中SC和MXene都能增加水凝胶的力学性能，赋予其类似人体组织的杨氏模量。如图1所示。

  图2. 水凝胶力学性能：(A)不同MXene含量的拉伸应力-应变曲线。(B)断裂应力和断裂伸长率。(C)杨氏模量和韧性。(D)不同拉应变下的加载-卸载应力-应变曲线。(E)不同MXene含量的压缩应力-应变曲线%应变时的压缩应力和压缩模量。(G)不同压缩应变下的加载-卸载应力-应变曲线次循环压缩。(I)压缩-松弛循环的相对力学演化。(J)振荡振幅扫描试验。(K)振荡扫频试验。(L) 1%和10000%剪切应变交替阶跃应变扫描试验。(h)渐进压缩试验。(i)循环压缩试验。

  优异的机械性能是凝胶用作可穿戴传感器件的前提，因此，作者对水凝胶的机械性能进行了系统的测试。对水凝胶进行拉伸、压缩测试，以及杨氏模量和韧性，断裂应力和断裂应变的比较，根据结果得出随MXene浓度的增加，水凝胶的韧性、强度均增加，这可归因于MXene的官能团与单体和SC之间产生的氢键，使得水凝胶网络的交联密度增加，导致机械性能的增强。得到了与人体组织类似的杨氏模量。通过（J）图中应变扫描流变图可清晰看出在较宽范围内，水凝胶表现出弹性模量大于粘性模量，说明水凝胶表现出类固体性质；(K)图的角频率扫描流变图，水凝胶总是表现出弹性模量大于粘性模量，说明水凝胶以弹性为主；(L)图的连续阶梯应变扫描流变图，通过进行四次循环测试，水凝胶的粘弹性依旧能快速恢复如初，说明水凝胶的良好的可逆循环稳定性。

  图3. 水凝胶可拉伸应变传感性能:(A)拉伸时的相对电阻变化。(B)0.5%应变下的响应时间。(C)大应变和(D)小应变时的相对电阻变化。(E)不同拉伸速率(40-100 mm/min)下的相对电阻变化。(F)循环加卸载作用下的相对阻力变化。

  图4. 水凝胶的应力敏感性能：(A)压力变化时的相对阻力变化和压力敏感性。(B) 1%应变下的响应时间。(C)不同应力下的相对阻力变化。(D)不同压缩速率(10~40mm /min)下的相对阻力变化。(E)循环加卸载作用下的相对阻力变化。

  传感性能是水凝胶在作为传感器应用时的一个主要的因素。基于前面所述的机械性能，作者进行了拉伸、压缩传感测试。由于所添加的MXene能够在水凝胶中形成导电通道，使得水凝胶具备优秀能力的导电性。图(A)中所示的水凝胶传感器表现出的高灵敏度和宽线性范围正是由于上述问题造成的。图(B)中展示了拉伸和压缩的响应时间。其快速响应性证明了其可在信号传输中的实时监测能力。再对水凝胶传感器在不同应变和不同速度下的循环测试，其依然表现出可逆恢复性能，这也是水凝胶作为柔性传感器的基础。最后考察了水凝胶传感器的常规使用的寿命，结果也是令人意外的，在1000次压缩循环后，依旧具备优秀能力的稳定性和可逆性。以上结果均可表明该水凝胶传感器的快速响应性、长期稳定性以及抗疲劳性，其可在柔性传感器应用领域进行广泛使用。

  图5. 用于手写识别系统的水凝胶传感矩阵：(A)水凝胶手写识别系统组成示意图。(B)每个数字的重复输入信号图。(C)识别10个数字的准确率和损失曲线个数字的混淆矩阵。

  基于该水凝胶优异的力学和传感性能，作者设计了一块由水凝胶组成的2×2夹层矩阵电路板。当在上层电路板上手写数字时，由于每个数字的笔画顺序不同，在书写时相当于给予四块凝胶随时间推移而不同的形变大小，即能够获得四组不同的电流值（图B），并通过单片机采集并传输数据到电脑。在此基础上，选取多种机器学习算法模型作对比分析多种技术指标。最终，选取综合表现最好的一种机器学习算法模型——递归神经网络(RNN)来进行手写数字识别。并通过对建立的模型进行多次预测分析，准确率高达0.9744，通过图D所示的混淆矩阵可以更直观的表现出模型的分类情况，具有较高的识别准确率，同时也可以很好的证明凝胶优异的力学和传感性能。

  本文以SC为交联剂制备水凝胶，在导电网络中加入MXene作为导电填料进行电子传递，提高水凝胶的导电性和传感性能。此外，MXene的加入使水凝胶具有与人体组织相似的良好力学性能和杨氏模量。因此，水凝胶可当作柔性传感器，实时监测手指弯曲、手腕和行走等人体运动。此外，笔迹也可以被识别，在信息安全方面显示出巨大的潜力。2×2矩阵由多个柔性传感器组成，并结合递归神经网络进行机器学习处理。能够准确实现数字识别，准确率为0.9744。该技术可用于数字识别和其他复杂图形和模式识别，在机器学习和数据处理领域开辟了新的途径。因此，传感器和机器学习的结合有望在医疗保健、信息安全和智能家居等领域有广泛的应用。

  声明：仅代表作者本人观点，作者水平有限，如有不科学之处，请在下面进行留言指正！