仿生层级梯度设计与混合堆叠机器学习驱动的软硬组织界面转变设计与性能预测

　　本综述创新性地融合仿生层级梯度结构与混合堆叠机器学习（HSML），突破传统软硬组织界面（如肌腱-骨止点）仿生设计的力学性能瓶颈。研究通过负泊松比（NPR）与正泊松比（PPR）结构的杂交设计，实现杨氏模量与破坏力的显著提升（达58.1%），并结合有限元模拟（FEM）与HSML模型（误差仅2%）高效预测力学性能，为生物材料界面优化提供新范式。

　　

Research significance

尽管机械超材料和仿生支架设计已取得长足进步，现有方法仍难以复现软硬组织转捩（如肌腱-骨界面）中观察到的层级梯度力学行为。当前模型多依赖于简化或重复的单元晶格几何结构，无法捕捉局部应变梯度与界面优化，限制了其在生物医学领域的应用。

Materials and methods

图1展示了本研究的灵感来源——旨在模拟天然肌腱-骨组织的物理与力学行为。这些组织展现出多样化的物理特性和拉胀性（auxeticity）水平，要实现力学性能的平滑过渡以降低界面撕裂风险极具挑战性。这种复杂性进一步体现在平衡不同物理特性与拉胀性水平的需求上。例如，肌腱区域的拉胀性可表现为负值（负泊松比，NPR），而骨骼区域则过渡为正值（正泊松比，PPR）。

Results

复现天然组织的复杂架构（尤其是其力学与结构特性的梯度变化）仍是组织工程中最艰巨的挑战之一，这在软硬界面处尤为突出——材料行为的 abrupt 转变要求对几何和功能进行精确控制。为此，本研究引入了新型仿生层级结构，紧密模拟天然组织的物理与力学行为。

Discussion

本研究聚焦于三种肌腱-骨界面架构（层级、梯度及层级-梯度结构）的全面设计与优化策略，具有生物医学工程应用潜力。通过结合实验测试与数值模拟，设计、分析并优化了三种具有独特物理力学特性的拉胀结构。肌腱区域的设计灵感来源于天然组织的负泊松比（NPR）行为，而骨骼区域则采用正泊松比（PPR）蜂窝结构模拟。

Conclusion

总结而言，通过结合实验与数值方法，成功设计、制备并优化了三种新型肌腱-骨结构。所有3D打印结构均经过全面力学测试与有限元模拟（FEM）验证，为集成至机器学习模型奠定基础。实验与FEM结果均表明，层级-梯度设计 consistently 优于其他配置，其杨氏模量与破坏力提升高达58.1%。