據英國Nature雜志官方網站近日報道

納米材料和納米微制造技術的最新進展推動了柔性可穿戴電子設備的發展。然而，現有的制造方法仍然依賴于多步驟、容易出錯的復雜過程，這需要昂貴的潔凈室設備。在這里，我們報道了一種新的功能材料的納米制造方法，它能夠實現無線、多層、無縫互聯和靈活的混合電子系統。包含機器學習的全印刷電子產品提供了多種多樣的人機界面。關鍵的技術進步之一是使用了具有增強的生物相容性、抗氧化性和可焊性的功能化導電石墨烯，這使得無線柔性電路成為可能。高長徑比石墨烯提供了無凝膠、高保真的肌肉活動記錄。通過肌電圖使用外部系統的實時控制來演示印刷電子設備的性能。具有深度學習嵌入式電生理標測的解剖學研究允許對三個通道進行最佳選擇，以在七個類別中以大約99%的準確度捕獲所有手指運動。

這項工作介紹了全印刷的納膜混合電子學（稱為“p-NHE”），其制造策略是通過對納米材料制備、材料加工和印刷優化的綜合研究而確立的。附加納米制造工藝確保了多層印刷中的高精度對準，同時薄而柔韌的結構允許印刷電子器件與彈性體結合并自然變形。高長徑比功能化導電石墨烯保留了固有的電學和形態學特性，促進了細胞的生物相容性，并通過防止氧暴露來抵抗金屬氧化。柔性印刷電路允許將功能芯片元件焊接到FCG/Ag膜上，從而提高結構可靠性。為了充分說明全印刷肌電圖（EMG）設備在推進可穿戴醫療保健和健康監測方面的可行性，我們實現了多種人機界面（HMI）場景，包括手勢控制的無線目標控制，如無人駕駛飛機和計算機軟件。由于它們的緊湊性和低質量，可以將多個印刷的肌電信號設備應用于目標肌肉群，以戰略性地提高復雜手勢的檢測精度，這些手勢通常需要大量的電極。為了演示，識別在每個手指屈曲過程中激活的特定肌肉群，并應用三個打印設備來同步傳輸肌電圖數據。用深度學習算法分析的同步多設備肌電信號數據能夠實時分類單個手指的運動，用于機器人手的無線控制。綜合結果表明，所提議的材料優化、設備集成和基于肌電圖的人機界面將如何改變印刷電子與軟材料集成在一起的方式，以提高人類的表現和醫療保健。