机器学习如何帮助预测扩展状态下的电荷迁移率。
美国佐治亚州，2026 年 9 月 22 日 /EINPresswire.com/——可穿戴技术向前迈出了一大步，研究人员利用机器学习揭示了拉伸柔性材料如何影响其电气性能。研究表明，向一个方向拉伸材料可将电导率提高 50% 以上，而向另一个方向拉伸材料则为未来的电子皮肤和传感器提供了关键的设计指南。
电子皮肤或柔性健康监视器等可穿戴电子产品的梦想取决于一个简单的问题：当你拉伸它们时会发生什么？在正在探索的各种材料中，分子单晶是一个很好的候选材料。然而，控制拉伸如何影响这些特定晶体的电性能的微观机制仍然是个谜。
在《可穿戴电子》杂志上发表的一项研究中，清华大学和南洋理工大学的研究人员团队描述了一种新方法，该方法将分子动力学与机器学习相结合，以绘制应变和电荷迁移率之间的关系。通过阐明微观机制，该研究有助于合理设计坚固的有机晶体，使其在可穿戴应用典型的机械变形下保持高性能，为下一代皮肤安装传感和计算系统铺平道路。
“柔性电子元件在操作过程中会受到拉伸和弯曲等机械应力，”资深通讯作者李树洲解释道。 “出色的灵活性和可靠的电气性能对于确保其无缝功能至关重要。”
目前，需要阐明控制电性能对拉应力依赖性的微观机制。该团队的解决方案是创建一个机器学习模型，可以根据原子的结构排列预测电子耦合（原子之间电荷的轻松跳跃）。 “通过模拟拉伸对并五苯的简单有机半导体的影响，该模型揭示了材料的内部电力‘交通模式’在压力下如何变化，”李补充道。
研究小组观察到，沿晶体 a 轴的 5% 拉伸应变使沿 b 轴的电荷迁移率增加了 55%。相比之下，沿 b 轴 5% 的应变会使迁移率降低 33%。根据拓扑分析，a 轴应变将分子拉得更近，形成更有效的传输网络，而 b 轴应变将分子推开，阻碍电荷流动。
“结果表明，沿 b 轴的应变显着增加了分子运动，扩大了电子耦合的分布，并进一步限制了电荷传输，”主要作者 Ji Chen 说。 “这一发现澄清了忽略这种动态效应的简单模型的适用性限制，导致预测不准确。”
指示
DOI
10.1016/j.wees.2026.06.001
原始来源网址
资金信息
这项工作得到了教育部学术研究基金一级（RT9/23）和二级（MOE-T2EP10224-0003）的支持。
王露西
生物设计研究
在这里给我们发电子邮件
法律免责声明：
EIN Presswire “按原样”提供本新闻内容，不提供任何形式的保证。我们不承担任何责任或义务
确保此处所含信息的准确性、内容、图像、视频、许可、完整性、合法性或可靠性
文章。如果您对本文有任何投诉或版权问题，请联系上述作者。
Leave a Reply