近日，我院翁明岑副教授在国际知名期刊《Journal of Alloys and Compounds》上发表了题为“Dual-modal flexible sensors based on flexible Ti3C2Tx (MXene)-bacterial cellulose composites for neural network-assisted pronunciations, shapes, and materials perception”的研究成果，2024级材料与化工专业研究生邱奕涵为第一作者，翁明岑副教授为通讯作者。该研究采用真空自组装技术，成功制备了基于Ti3C2Tx（MXene）和细菌纤维素（BC）的复合材料（MXene-BC），该材料结合了MXene的优异导电性和BC的强机械性能。MXene-BC复合材料展现出卓越的机械性能（断裂应力高达41.09 MPa，杨氏模量高达7.34 GPa）和优异的导电性能（导电率高达353.77 S m⁻¹）。基于该复合材料的双模传感器能够同时作为压力传感器和接近传感器使用，在压力模式下具有高灵敏度（5.11 kPa⁻¹）、快速响应/恢复时间（10 ms/10 ms）和超低检测阈值（1 Pa），在接近模式下灵敏度高达0.63 mm⁻¹。通过结合多层感知器（MLP）神经网络模型，该传感器在语音识别方面达到了98.33%的准确率，并能够实时重建三维物体形状，为机器人和自动化领域提供了重要的空间感知能力。此外，该传感器在材料识别方面也表现出色，识别准确率高达99.85%。这一研究成果不仅推动了柔性传感材料的设计和应用，还为可穿戴电子设备、人机交互和机器人技术的发展提供了新的思路。
基于Ti3C2Tx（MXene）-细菌纤维素复合材料的智能传感器件及其应用概念图