山大李阳/中科大潘挺睿/南方科大郭传飞/北理工沈国震《Chemical Society Reviews》：柔性离电传感

研究背景

柔性电子技术作为人机交互与智能感知的核心载体，正面临着复杂应用场景下的多维性能挑战。尽管传统柔性传感器在可变形基底与功能材料开发方面取得显著进展，但其灵敏度受限于压阻/电容传感的物理边界，响应速度因界面弛豫效应产生毫秒级延迟，在动态生理信号监测中易出现信号失真。此外，依赖电子作为信号载体的柔性传感器在实现与生物系统的真正自然集成方面受到了限制。在此背景下，新兴的柔性离电传感机制模拟生物组织中的离子传输机制，构建具有类组织模量的离子导电界面，实现了高灵敏度、快速响应速度、卓越的生物相容性与环境自适应性等多维度性能的集成，为发展新一代仿生感知系统提供了突破性技术路径。

研究成果

近年来，FITS取得重大突破，在灵敏度和功能性方面实现显著提升，推动研究重点向系统集成与多功能化方向发展。特别是2022年后，随着AI技术的突飞猛进，FITS进入智能化发展阶段，通过与人工智能的深度融合，这些设备获得了智能特性，应用领域得到极大拓展。该论文系统梳理了FITS技术的最新研究进展。首先阐释了离子电子传感的核心机理，包括电容式、反离子式、法拉第反应式、摩擦电式和压电式；其次分析了关键功能材料，特别是离子活性层材料和电极材料的特性；然后探讨了器件结构设计与溶液合成、纤维制造、3D打印以及物理气相沉积；接着研究了面向人机交互、医疗健康和环境监测的集成应用系统及AI赋能的智能化应用系统；最后，总结了FITS设备的关键研究挑战，并提供了对未来方向的见解。相关报道以“Flexible iontronic sensing”为题发表在Chemical Society Reviews期刊上。山东大学为论文第一完成单位，李阳教授为论文第一作者，西安电子科技大学白宁宁副教授、中国科学技术大学常煜研究教授和刘之光教授为共同第一作者，通讯作者分别为中国科学技术大学潘挺睿教授和南方科技大学郭传飞教授、北京理工大学沈国震教授。

综述要点

1.通过模拟生物组织中的离子传输机制，FITS利用离子和电子作为信号载体，能够精准感知压力、温度等机械刺激。相比传统电子皮肤，FITS技术结合了离子和电子双重信号传导，能够更自然地模拟皮肤的感知方式，在灵敏度、响应速度、功能性等方面具有显著优势。

2.FITS器件的性能表现与材料体系的选择密切相关。离子活性材料通过调控其离子迁移率和载流子浓度直接影响器件的传感灵敏度；而电极材料则凭借优异的导电特性实现信号的高效采集与传输。这种材料-性能的协同作用机制为FITS器件的设计提供了关键理论基础。

3.FITS设备的结构设计和制备工艺对其性能至关重要。合理的结构设计能够有效调控不同传感机制下的性能表现，而多样化的制备工艺（如溶液合成法、纤维制造技术、3D打印和物理气相沉积）为不同材料和结构需求提供了灵活的选择。

4.FITS技术在多个领域展现出广阔的应用前景。在人机交互领域，FITS能够用于设备控制、电子皮肤、信息编码等场景中；在医疗领域，FITS可用于实时健康监测和运动追踪；在环境监测领域，FITS设备能够检测气体浓度、温度和湿度变化。

5.FITS技术与人工智能（AI）的结合，为智能传感领域带来了新的机遇。AI技术能够优化FITS设备的设计，提高设备性能和可靠性。同时，AI算法能够处理FITS设备产生的大量数据，实现更高级和智能的功能，如材料属性识别、运动轨迹分析和身份识别等。这种结合不仅提升了FITS设备的智能化水平，还为未来智能传感技术的发展提供了新的思路和方法。

图文导读

图1FITS的发展时间表

图2FITS器件的机制、材料、制造技术和应用的最新进展示意图

图3电双层的结构、柔性离电超级电容器传感（FITS）机制和反离电超级电容器传感（i-FITS）机制的机械响应原理示意图

图4在电极/电解质界面上的法拉第过程与法拉第反应离电传感机制的示意图

图5电阻式、摩擦电式和压电式离电传感机制的示意图

图6FITS设备中常用的离子活性材料

图72012-2024年与FITS设备相关的出版物比例

图8离子液体中常用的阳离子和阴离子

图9柔性电极中常用的导电材料

图10具有不同机制的FITS设备的结构

图11FITS设备的制备工艺

图12用于制备FITS设备的溶液合成方法（一锅法、浸泡法、旋涂法和喷涂法）

图13用于制备FITS设备的纤维制备工艺（静电纺丝、干纺、吹纺、熔融纺和湿纺）

图14用于制备FITS设备的3D打印技术，包括DIW打印、SLA打印和DLP打印

图15由FITS设备构建的集成应用系统

图16面向人机交互的FITS基应用系统

图17面向健康医疗的FITS基应用系统

图18面向环境监测的FITS基应用系统

图19人工智能在FITS设备的前端设计和后端分析阶段中的应用

图20人工智能驱动的前端设计。

图21 AI赋能的智能FITS基应用系统

图22FITS技术面临的挑战及其潜在解决方案

文献链接：

Flexible iontronic sensing

https://doi.org/10.1039/d4cs00870g

来源：高分子科学前沿

声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！