近日，我院设计科学系吕之阳教授、牛亚峰教授、陈云飞教授在智能结构设计与柔性电子领域取得重要进展，相关研究成果以“Data-driven design of disordered structures for direction- and geometry-independent stretchable electrodes”为题，发表于国际著名学术期刊npj Flexible Electronics（论文链接：https://www.nature.com/articles/s41528-026-00620-x）。该期刊为中科院材料科学学科类1区TOP期刊，影响因子15.4（图1）。
图1.论文封面页信息
拉伸电极是可穿戴电子、柔性传感及脑机接口系统的核心组成部分。为保证器件在人体运动及复杂变形条件下稳定工作，电极不仅需要具备优异的拉伸性能，还需在变形过程中保持稳定的电学性能。现有蛇形、剪纸和岛桥等有序结构虽然能够通过弯曲或面外变形释放应变，但通常针对特定拉伸方向和规则几何进行设计，在双向、全向拉伸及复杂几何条件下容易受到方向和形状限制，难以满足个性化可穿戴器件的应用需求。
针对上述难题，研究团队受植物表皮细胞天然无序形态启发，提出了一种数据驱动的仿生无序结构设计策略。该方法基于Voronoi网络构建无序拓扑，结合有限元分析建立结构—性能数据库，并利用神经网络学习结构参数与力学、电学性能之间的非线性映射关系，进一步通过进化算法在大规模设计空间中快速搜索最优结构（图2）。研究结果表明，所设计的仿生无序结构能够有效分散局部应力集中，在单向、双向、全向拉伸以及手形等复杂不规则几何条件下均保持稳定的导电性能。与传统有序结构相比，其相对电阻变化降低约20%–50%，显著提升了电极对拉伸方向和几何形状变化的适应能力。
在此基础上，团队进一步研制了基于仿生无序结构电极的可拉伸无线脑电帽。该器件可自适应不同头围，并成功应用于稳态视觉诱发电位（SSVEP）脑机接口，实现摩尔斯电码字符输入。相比传统有序结构脑电帽，其具有更高的脑电信号质量，能够有效抑制人体运动引起的电学波动和运动伪影，显著提升了复杂运动场景下脑机接口的稳定性和可靠性。该研究将仿生结构设计、机器学习优化与3D打印制造有机融合，实现了拉伸电极在多方向变形和复杂几何条件下性能的协同优化，为新一代个性化可穿戴电子、脑机接口、柔性传感器及智慧医疗器件的设计提供了新的技术路线。
图2.数据驱动仿生无序拉伸电极的设计、优化与应用流程图
机械工程学院牛亚峰教授、陈云飞教授、吕之阳教授为该论文共同通讯作者，在读博士生李梦丽、范林涵为论文共同第一作者。东南大学机械工程学院、江苏省精准医学装备设计与制造重点实验室为论文完成单位。该研究得到了国家重点研发计划、国家自然科学基金、江苏省自然科学基金等项目的资助。
供稿人：吕之阳
审核人：刘晓军
