Слои растягиваемых и жестких материалов и машинного обучения повышают точность носимых устройств.

Инерционные датчики были оборудованы на разработанном устройстве, а результаты, измеренные датчиками на устройстве, могут передаваться даже при удлинении 150%.Кредит: Национальный университет Йокогама

Исследователи в Национальном университете Йокогама разработали эластичное,

Комбинация этого растягивающегося высокопрофессионального устройства и машинного обучения достигла нескольких типов распознавания движения с высокой точностью.Потенциальные применения этой технологии привели к реализации систем, которые интегрируют различные мягкие и жесткие электроники с информационными технологиями.

Растяжимые, носимые устройства, которые могут быстро и точно ощущать физическую и биоэлектрическую информацию, все чаще используются для таких вещей, как мониторинг здоровья и измерение движения.Тем не менее, создание устройства, достаточно эластичного, чтобы быть достаточно комфортным и достаточно жестким, чтобы точно определить данные, является сложно.

Машинное обучение может помочь сделать эти устройства более мощными, но для интеграции технологии, растягиваемые гибридные носимые устройства, которые сочетают в себе комфорт и стабильную обработку данных.

В статье, опубликованной на устройстве 7 августа, описывается, как жесткие интегрированные цепи, уложенные на гибкий субстрат, можно использовать для повышения носимой производительности.

«Растягиваемые устройства, объединяющие высокопроизводительные интегрированные схемы датчиков, основанные на твердотельной электронике, но им не хватает растягиваемости для размещения больших деформаций более чем двух раз. Эти факторы ограничивали разработку интегрированных систем для растягиваемых устройств и машины.Обучение », - сказал Хироки Ота, доцент инженерного факультета в Национальном университете Йокогама.

Фактически, пояснил OTA, на рынке в настоящее время нет устройств, которые могут измерять как с высокой точностью, так и с высокой повторяемостью среди растягиваемых устройств (или устройств, которые имеют высокую деформируемость).

В этом исследовании исследователи сосредоточились на разработке носимых устройств с интегрированным машинным обучением.Устройства были очень деформируемыми, что означает, что они были гибкими и могли контурировать на тело.

Структуры, называемые гетерогенными защитными структурами, были разработаны, чтобы обеспечить дополнительную стабильность гибким носимым устройствам.Эти структуры защищали электрическую проводку и имели три слоя: жесткий слой, промежуточный слой и мягкий слой.

Мягкий слой гарантировал, что устройство оставалось эластичным, а более жесткие слои сохраняли целостность датчиков в устройстве.Жидкая металлическая паста также использовалась по всему устройству, в том числе для разработки проводки, чтобы устройство оставалось гибким.

«Слияние растягиваемых материалов и жестких элементов на основе твердотельной электроники реализует новые устройства, которые сочетают эластичность с высокими вычислительными и измерениями. Эти устройства способствуют интеграции с системами машинного обучения, где воспроизводимость данных имеет решающее значение»,-сказал OTA.

Чтобы проверить силу носимого устройства, исследователи выполнили три задачи: оценка самостоятельной формы узлов, распознавание письма в воздухе и распознавание знаком.Исследователи также проверили, насколько хорошо устройство продолжало работать, так как оно было растянуто.

По сравнению с предыдущими итерациями носимых устройств, которые имеют только плату, недавно разработанное устройство с защитной структурой гетерогенной критики было лучше при удлинении и растяжении.Устройство только с платой и мягким слоем показало деформацию при удлинении 30%, и оно сломалось при удлинении 100%.

Для сравнения, при 100% удлинении устройство с защитной структурой гетерогенной жесткости не показало никаких признаков повреждения деформации, и оно продолжало работать, даже если он растянулся до 150%.

Устройства также были проверены, чтобы увидеть, насколько хорошо они выполняли в определенных задачах, включая распознавание букв, написанных во время орфографии пальца и распознавания знаковых языков.

В настоящее время носимые устройства, используемые для отслеживания орфографии пальцев, испытывают трудности с параллельными движениями без изгиба пальцев.Недавно разработанное устройство гетерогенной жесткости смогло точно классифицировать от 91% до 98% написанных букв, в зависимости от модели обработки, используемой для анализа данных, но необходимы дополнительные исследования для понимания различий в учебных моделях.

Исследователи также утверждали, что технология может выходить за рамки правописания пальцев и распознавать американский язык жестов, очень востребованную технологию.Однако проблемы для разработки этой технологии выходят за рамки ограничений растяжимых, носимых устройств и необходимы дополнительная разработка.

Заглядывая в будущее, исследователи планируют разработать больше устройств с этой новой технологией.

«В конечном счете, мы стремимся реализовать растяжимую гибридную электронику, которая интегрирует твердотельную и растягивающуюся электронику, используя электронные свойства как жестких устройств, так и упругих материалов, а также интегрируя их с помощью технологии обработки информации»,-сказал OTA.

More information: Soft intelligent systems based on stretchable hybrid devices integrated with machine learning, Device (2024). DOI: 10.1016/j.device.2024.100496. www.cell.com/device/fulltext/S2666-9986(24)00392-2 🔗