4月份的科技“脑洞”，都在这里︱科技最前沿

纽约州立大学宾汉姆顿大学的研究人员开发出符合皮肤的皮肤电子设备，可以为用户提供长期，高性能的实时伤口监测。“我们最终希望这些传感器和工程成就可以帮助推进医疗保健应用，并在疾病进展，伤口护理，一般健康，健身监测等方面提供更好的定量理解，”宾厄姆顿大学博士生Matthew Brown说。

图片来源：Matthew Brown

生物传感器是一种分析装置，它将生物成分与物理化学检测器结合起来，观察和分析化学物质及其在体内的反应。传统的生物传感器技术虽然在医学领域取得了巨大进步，但仍然存在克服和改进的局限性，以增强其功能。宾厄姆顿大学亲密生物综合生物传感器实验室的研究人员开发了一种皮肤启发的开放式网状机电传感器，能够监测皮肤上的乳酸和氧气。

该团队希望未来的研究能够利用这种皮肤灵感的传感器设计来整合更多的生物标记物，并创造更多的多功能传感器来帮助伤口愈合。他们希望看到这些传感器被开发并入内部器官，以增加对影响这些器官和人体的疾病的认识。

超级快充锂离子电池

2019年4月16日，伦斯勒理工学院在《Nature Communications》上发表的一项研究称，能制造出可以在几分钟内充满电并仍保持高容量的锂离子电池。这一发现有望改善消费电子产品、太阳能电网和电动汽车电池的性能。

图片来源：伦斯勒理工学院

这一研究从传统锂离子电池的电极材料入手，用二硫化钒(VS2)取代钴氧化物提高了性能。该材料拥有更高的能量密度，且导电性很强，从而拥有更快的充电速度。但也有一个非常大的挑战——不稳定性。

伦斯勒研究人员不仅确定了这种不稳定性发生的原因，而且还开发了一种对抗这种不稳定性的方法。团队人员表示，锂的插入导致了钒原子间距的不对称，即所谓的佩尔斯畸变(Peierls畸变)，这是导致VS2薄片破裂的原因。发现在薄片上覆盖一层纳米二硫化钛涂层(TiS2)（一种不会使Peierls变形的材料）可以稳定VS2薄片，并改善它们在电池中的性能。

伦斯勒大学机械、航空航天和核工程教授、论文通讯作者Nikhil Koratkar认为，这一发现在改善汽车、便携式电子产品的电池以及太阳能存储方面有多种应用，不仅高容量是很重要的，而且提高充电速度也很有吸引力。

3D打印的柔性电路

近日，德国汉堡大学与德国电子同步加速器研究所（DESY）的合作开发了一项适合3D打印技术的工艺，它可以用于制造透明并具有机械柔性的电子电路。这些电子器件由银纳米线网络组成，这些银纳米线可以悬浮地打印，并嵌入到各种柔性和透明塑料（聚合物）中。

2019年4月23日，汉堡大学托姆克·格勒（Tomke Glier）以及她的同事们在《Scientific Report》期刊上的报道称：这项技术可以开启新的应用，例如打印发光二极管、太阳能电池或者具有集成电路的工具。目前，研究人员们正在演示他们的工艺在制造柔性电容以及其他产品方面的潜力。

在这篇论文中，研究人员们制造了一个柔性电容。格勒解释道：“在实验室中，我们展开了分层工艺中的单独工作步骤，但是实际上他们之后会被完全转移至3D打印机。”

低成本自动驾驶

美国康奈尔大学的科研人员通过在车辆风挡两侧的两部低成本照相机实现了一种更简单的物体探测方法，可用于自动驾驶车辆，探测精度可接近激光雷达(LiDAR)，但成本要低得多。研究人员发现通过分析鸟瞰图而不是正视图可以将物体的探测准确度提高3倍以上，从而可以使立体相机成为LiDARC的低成本替代方案。

LiDAR传感器使用激光测量物体的距离，从而创建车辆周围环境的3D点图。而立体摄像机像人眼一样，依靠两个视角来建立景深，一直被认为不够精确。康奈尔的科研人员仔细研究了立体相机的数据，惊奇地发现，他们的信息与LiDAR一样精确。对于大多数自动驾驶汽车，由相机或传感器获得数据通常使用卷积神经网络进行分析，这些卷积网络非常善于在标准的彩色照片中识别物体，但当信息只来自于前向视角时，会在3D信息上产生扭曲，但切换到鸟瞰视角时精度可以提高3倍。

研究人员称利用该方法，立体相机可作为低成本自动驾驶车辆物体识别的主要手段，或作为配置LiDAR的高端车辆的备份手段。该研究得到了美国国家科学基金、美国海军研究办公室、以及比尔和梅琳达盖茨基金的资助。

身体内的自主导航机器人

波士顿儿童医院的生物工程师在《科学·机器人学》杂志上发表报告称，他们研发出一种可以在跳动心脏周围自主导航的微型医疗机器人，从而能帮助外科医生完成复杂的心脏手术。

论文作者之一的美国波士顿儿童医院儿科心脏生物工程主任皮埃尔·杜邦说，这是他所知的首个可在体内自主导航找到目标位置的医疗机器人。机器导管能在充满血液的跳动心脏中抵达毫米级的目标，表现相当出色。

图片来源：ScienceRobotics

这个机器人装有触觉传感器，顶端装有微型相机，还可像昆虫触角或老鼠胡须一样不断“取样”，可利用机器学习和图像处理技术，在“陌生”的黑暗环境中识别所接触的组织类型、所处位置，判断行进方向。

研究人员说，这种机器人有助于缓解医生疲劳，让医生把精力放在更复杂的手术操作上。研究人员希望，未来开展全球合作，汇集数据，不断对算法进行训练，使医疗机器人变得更加聪明。

更懂你的假肢

弗吉尼亚理工大学的团队前不久已经采用将电子传感器与个性化3D打印假肢相结合的方式带来更实惠的电动假肢。随着增材制造的增长，可以从开源数据库中找到的模型进行3D打印。但这些模型缺乏个性化的电子用户界面

该大学的研究人员表示，通过在假肢和佩戴者组织之间的交叉处集成电子传感器，他们可以收集与假肢功能和舒适度相关的信息，例如穿戴者组织的压力，这可以帮助改善这些类型假肢的进一步升级。

图片来源：journals.plos.org

为了开发与电子传感器集成的假肢，研究人员开始使用3D扫描数据，在这种情况下是青少年肢体的模型就是一个例子。然后他们使用3D扫描数据，利用共形3D打印技术将传感器集成到假体的合身腔体中。

人工智能训练小提琴手

一篇发表在《Frontiers in Psychology》中的论文称，能够非常精准的捕捉小提琴手的演奏动作和手势细节。

该系统由西班牙庞培法布拉大学的科学家创建，使用手势识别Myo臂章训练系统，以追踪专业小提琴手的右臂动作，因为其使用了Détaché、Martelé、Spiccato、Ricochet、Sautillé、Staccato和Bariolage等弓法。此外演奏的音频将同时被录制。

基于机器学习的算法将手臂运动与相应的音频进行比较，确定在每种弓法中哪些运动产生哪些声音。当系统随后负责识别小提琴手正在使用的弓法时，其准确率超过94％。

现在研究人员希望，一旦进一步发展，该技术可用于为学生提供实时反馈，向他们展示他们的持琴姿势与专业人员有何不同。