综述：面向AI-TENG系统的摩擦电智能

《Cell Reports Physical Science》：Toward triboelectric intelligence in AI-TENG systems

　　本综述系统阐述了人工智能（AI）与摩擦纳米发电机（TENG）的交叉融合，标志着AI-TENG新纪元的开启。文章重点探讨了AI与TENG的相互促进作用，以及AI-TENG如何催生了自供电智能传感系统（AT-SESIs）和人机交互界面系统（AT-HMIs）等创新研究方向。文章详细介绍了TENG作为能量收集与数据供给模块的工作原理，以及AI（特别是机器学习（ML））用于数据分析、优化TENG传感与能量收集性能的机制。该综述为智能传感设备的发展及AI与能源应用领域的研究人员提供了新颖的视角和创新概念。

　　

AI与TENG的交叉融合

人工智能（AI）与摩擦纳米发电机（TENG）的相遇，产生了显著的协同效应，开启了一个充满创新的AI-TENG时代。TENG作为一种基于麦克斯韦位移电流、利用摩擦起电效应和静电感应将机械能转化为电能的新型器件，以其低成本、结构简单和易于集成等优点，在能量收集和自供电传感领域展现出巨大潜力。对于AI而言，TENG意味着可持续、稳定的能量和数据供给，这对于物联网（IoT）时代海量微电子智能设备的运行至关重要。对于TENG而言，AI则代表着通往更高效率和智能化的路径，其强大的数据处理和分析能力能够显著提升TENG的性能和应用水平。

TENG作为AI的能量与数据供给模块

TENG的核心工作原理是通过两种不同材料表面的接触分离产生电荷，并利用电荷的流动来产生电流。其基本工作模式包括垂直接触分离（CS）模式、平面滑动（PS）模式、单电极（SE）模式和独立层（FD）模式。以CS模式为例，其通过周期性改变介电层间的距离（z），将机械能转化为电能。其位移电流密度J_D的计算公式表明，提高摩擦电荷密度是优化TENG输出能量性能的关键。

除了作为能量收集单元，高效的能源输出也至关重要。由于TENG具有交流电（AC）输出、高阻抗和输出波动等电气特性，需要专门的电源管理模块（PMM），如电源管理电路（PMC）和电源管理策略（PMS）来进行优化，以实现电压调节、阻抗匹配和稳定供电。

同时，TENG作为自供电传感器，能够将外部机械刺激（如振动、压力）直接转换为电信号，通过微程序控制单元（MCU）进行数据采集，为AI提供了丰富的数据源。

AI用于数据分析的工作原理

AI，特别是机器学习（ML），为处理TENG产生的复杂数据提供了强大工具。典型的ML工作流程包括数据预处理、模型构建和结果验证。数据预处理涉及数据清洗、归一化、特征提取等步骤。模型构建则根据数据特点选择适当的算法，如支持向量机（SVM）、K近邻（KNN）、人工神经网络（ANN）、卷积神经网络（CNN）、循环神经网络（RNN）和长短期记忆网络（LSTM）等。结果验证则通过选择合适的性能指标和交叉验证等技术来优化模型。

ML算法增强TENG传感性能

不同的ML算法各有优势，需根据TENG产生的数据类型（如频谱、波形）进行选择。例如，SVM适用于高维或小数据集分类，如用于步态识别；KNN对数据分布不敏感，适用于简单问题和实时任务，如舞蹈动作监测；ANN能够学习复杂非线性关系；CNN擅长处理图像和空间数据，用于手势和材料识别；RNN和LSTM则能有效处理TENG产生的时间序列数据，用于动态监测，如唇语解码和智能家居控制。

ML算法优化TENG能量收集性能与设计

AI的应用不仅限于传感数据分析，还扩展到对TENG机理的理解和性能优化。通过结合第一性原理理论（如扩展的麦克斯韦方程组）和AI模型，可以更深入地理解TENG的工作机制。AI辅助的算法模型能够预测不同结构和条件下TENG的输出性能，加速材料组合、界面微结构和介电性能的优化设计。这一过程主要包括数据分析和模式识别、材料设计与优化以及自动化实验与反馈三个步骤。

AI-TENG系统

自供电智能传感系统（AT-SESIs）

AT-SESIs是AI与TENG深度融合的典范，旨在实现“能量收集-信息感知-智能决策”一体化的全自主系统。其核心设计理念是集成，结合了TENG的硬件支持（能量收集、管理、传感）和AI的软件支持（理论分析、智能预测、性能优化）。这类系统在智能体育、医疗健康、智能家居、智能工业和智能识别等领域有广泛应用。例如，在智能体育中，可监测运动员生理数据和设备状态；在医疗健康中，可实现实时病患监测和康复训练指导；在智能家居中，可实现自供电的远程控制；在智能工业中，可实现产品材料的智能识别与预测。

人机交互界面系统（AT-HMIs）

AT-HMIs利用TENG的高灵敏度自供电特性捕获自然人体行为（如手势、声音、触觉），并通过AI理解意图、实现智能反馈，重新定义了人与机器的交互方式。其设计主要围绕能量采集与数据获取、智能感知与行为、个性化交互等方面。具体可分为以下几类交互系统：

1. 1.
   自然人类行为辅助被动交互系统：如声学交互界面、语音传感系统，实现“无意识”交互。
2. 2.
   力-电-智能闭环交互系统：实时感知交互过程中的机械信号（如压力、纹理），并生成动态反馈（如触觉振动），形成双向交互闭环，在虚拟现实（VR）/增强现实（AR）中有应用潜力。
3. 3.
   自供电情感交互系统：结合TENG的多模态传感（如脉搏、呼吸）和AI的情感计算，实现机器对人类情感的自然响应，如驾驶意图识别。
   未来，群体协同网络交互系统也将是重要发展方向。

挑战与展望

尽管AI-TENG融合取得了显著进展，但仍面临挑战。未来需在以下方面进行深化：

1. 1.
   TENG材料与组装设计优化：需要开发高性能材料，并利用ML模型建立材料数据库、进行性能预测和结构优化，加速TENG的开发和应
   用。
2. 2.
   被动数据处理的增强：需改善TENG传感器硬件架构以提高信号质量和稳定性，并开发更兼容、更智能的AI算法模型，实现TENG信号采集与AI分析的深度集成。
3. 3.
   用于AI-TENG传感器的AI芯片开发：研发低功耗、高性能、可定制化的微型AI芯片，使其能利用TENG自供电能量进行实时数据处理，将是实现真正AI-TENG集成的关键。
4. 4.
   多领域应用拓展：AI-TENG在先进机器人、植入式医疗设备、可再生能源、空间探索、HMI-元宇宙等领域具有广阔的应用前景。

随着AI技术的成熟和专用AI芯片的发展，TENG将拥有真正的“大脑”，标志着AI-TENG技术深度融合时代的黎明。