AM：集成人工智能和物联网功能的可持续柔性丝素蛋白离子触摸屏

第一作者：Chao Ye， Hao Zhang

通讯作者：Shengjie Ling

通讯单位：上海科技大学，复旦大学

DOI: 10.1002/adma.202412972

柔性和可穿戴电子产品的快速发展对能够满足下一代设备的性能、环境和可持续性要求的材料的需求越来越大。该领域的主要挑战之一是，将卓越的机械性能与环境兼容性相结合的材料的可用性有限。传统的导电材料，如氧化铟锡（ITO）和金属导体，虽然有效，但在刚性、毒性和环境影响方面存在重大缺陷，特别是在电子废物（e-waste）的情况下。这突显了对可持续替代品的迫切需求，这些替代品可以满足对柔性、可生物降解和高性能电子产品日益增长的需求。

近年来，天然生物聚合物，特别是丝素蛋白（SF），由于其生物降解性、机械强度和可持续性，已成为柔性电子产品的有前景的材料。传统方法通常涉及将天然材料与不可持续的导电填料结合，导致有毒副产品的引入和不可持续性。相比之下，离子导体可以通过生物聚合物和各种盐的协同作用实现结构和功能的有效整合。然而，SF作为柔性电子产品的功能离子导体的用途尚未得到充分探索。

1. 本工作引入了丝素蛋白离子触摸屏（SFITS），这是一种将天然丝素蛋白（SF）与离子导体集成在一起的新平台，可以创建高弹性、环境稳定和多功能的触摸界面。

2. 通过湿度诱导结晶策略，精确控制SF的分子结构，以实现机械强度、电导率和生物降解性的平衡组合。SFITS的组装和操作可靠性在各种环境条件下得到了证明，以及通过绿色回收方法的可重复使用性。

3. 通过融合物联网（IoT）和人工智能（AI）技术，探索了SFITS的智能设计和应用。这种集成实现了实时触摸感应、手写识别和高级人机交互。

4. SFITS的多功能性通过在远程控制系统、分子模型生成和虚拟现实界面中的应用得到了进一步的体现。

图1. 具有受调节SF分子链的SFITS的制备、结构和特性的示意图。

图2. SFITS的制备和物理性能。a） 制造SFITS的详细两步策略。b） 退火过程中的时间分辨傅里叶变换红外光谱。c） 孵育5天后SFITS酰胺I带的反卷积结果。不同构象的含量由高斯峰所占面积的比率决定。d） SFITS在退火过程中β片含量的变化。数据由逻辑函数拟合。e） WAXS模式的分解结果（插图为SFITS的WAXS模式）。f） β片和相应晶胞的尺寸。g） 循环拉伸过程中SF链结构变化的示意图。h） SFITS与热塑性材料、生物皮肤和橡胶的真实应力-伸长率曲线比较。[37]i）SFITS的多循环拉伸试验，其中拉伸速度为200 mm min ⁻¹ ，拉伸幅度为200%（插图为拉伸过程中磁滞的变化）。j） 阿什比图比较了SFITS和其他弹性体的滞后与韧性。k） SFITS在室内环境中的尺寸和电阻变化。l） SFI、刚制备的SFITS和储存2个月后的SFITS的典型应力-应变曲线。m） 室外环境中SFITS、SFI、聚乙烯和聚对苯二甲酸乙二醇酯的形态变化。n） AFM表征盐水中溶解的SFITS的形态。o） SFI、SFITS和再生SFITS的6个重要机械性能的性能比较。p） 蛋白酶降解SFITS产物的分子量分布曲线。

图3. 触摸SFITS的定位特性。a） 1D SFITS触摸条的架构。b） SFITS触摸条的电路图。c） 记录的不同触摸点（α=0.1、0.3、0.5、0.7、0.9）的触摸电压（U1和U2）。d） SFITS条带原始长度（λ=1）的目标触点位置。e） SFITS条在λ=2拉伸下的目标接触点位置。f） 根据（d）中的触摸像素位置，从V1和V2测量触摸时段中的电压。g） 即使在λ=2的拉伸下，触点距离与电压屈服之间也保持线性关系。h、 i）即使SFITS条经历了100个循环的加载-卸载测试，在λ=1或λ=2的拉伸下，接触点距离与电压屈服之间的线性关系也保持不变。j） 2D SFITS的示意图。k） SFITS（10×10×1 mm）的照片，标有4个输入位置（P1−P4）。l） 依次触摸P1−P4期间测量的触摸电压（U1至U4）。m） SFITS沿对角线标记有9个输入位置。n） 4个电压表（V1-V4）在触摸点沿对角线均匀分布时测量的触摸电压热图。o） 基于两点定位算法的SFITS实验（9×9阵列圆）和模拟（100×100阵列小点）输出点在边缘附近出现失真。p、 q）9×9阵列触摸实验中每个输出位置与相应输入点之间的距离（p）和校正后的距离（q）。r） SFITS与低功耗蓝牙通信技术相结合，用于控制手机的音频系统。

图4. SFITS的智能应用。a） 不同离子电子学的应用和可持续性的桑基图。矩形代表某种类型的离子导体、其应用领域和可持续性，每种类型的离子导线和应用领域的连接程度以及可持续性根据矩形的大小进行可视化。b） 基于SFITS的实时读取和操作系统示意图。c） 手写信件分类模型的结构，以32×32×1的尺寸图片为输入，输出预测信件的特征码。d） 将SFITS与人工智能模型和物联网技术相结合，用于多功能应用。e） 手写信件分类模型的训练历史。f） 实际使用中单次尝试测试的混淆矩阵。g） SFITS多功能应用原理图。h） 基于SFITS的智能应用程序。