可自我学习材料问世！中国博士有望带来更加智能化软体机器人

纵观自然界的各种生物体，不论是形貌结构、还是物理化学特性，都完美地适应着大自然的各种变化与挑战。正如 DNA 的发现者之一、诺贝尔生理及医学奖得主 Francis Crick 说过的，“生物是进化而来的，而不是被设计的。” 那么将其带入到科研领域，又能给研究人员带来怎样的启发？

研究人员因此投入到对材料 “自我学习” 的研究，并开发出一种特殊的 “液晶网络执行器”，这让他们可以“训练” 塑料片在光线的控制下行走。该方法的研究论文发表在了最新一期的 Matter 杂志上，这是他们合成的执行器第一次根据其过去的经验来 “学习” 新的技巧，而并不需要计算机编程。

动图 | 正在 “行走” 的塑料片（来源：曾浩、张航）

这些由热响应液晶聚合物网络和染料涂层制成的塑料，被称为 “软致动器”，它可以将能量转换为机械运动。在研究最初阶段，执行器只能响应热量，但通过将光与热量相结合，它又学会了响应光。其响应方式很像人类卷曲食指的动作，当致动器被照射时，通过自身弯曲进行周期性的蠕动。它的“行走” 速度是 1 mm/s，跟蜗牛的步伐差不多。

该论文的并列第一作者曾浩博士和张航博士都来自中国，目前在芬兰进行博士后研究工作。论文的另外两位作者，分别是阿尔托大学的教授 Olli Ikkala 和坦佩雷大学的教授  Arri Priimägi。

DeepTech 和两位中国一作进行了深入交流，了解这项研究以及二人的学习经历。

灵感源于巴浦洛夫的狗

此前，常规的记忆材料或者具有响应性质的智能材料，它们的性能都是人为设计的。换句话说，其记忆形状、形变与否，是源于分子层面或结构力学角度的设计，其目的也是为了更好地实现人为控制。

但这种能够 “自我学习” 的材料是如何炼成的？

曾浩告诉 DeepTech ：“我们这项实验的设计灵感，来自于巴浦洛夫的狗的条件反射实验。”

巴普洛夫的条件反射实验是这样的：狗在食物面前会流口水，但在一开始听到铃声，不会有所反应。然而，当反复地让食物与铃声一同出现，狗会在脑海中将食物和铃声关联在一起。之后，只要听到铃声，即便没有看到食物，狗也会流口水。

“如果将智能材料的各种响应（如形状改变）类比于狗的流口水，而各种外界刺激（如光、热），看成是对狗体现的食物和铃声。那一种材料能够实现自我学习，就意味着它对原本中性的刺激产生了条件反射。”曾浩说道。

在他们设计的液晶网络执行器中，材料的 “学习过程” 是基于染料的扩散而实现的：材料在加热情况下会发生形变，在光照下则不为所动。但当加热与光照并存时，附于薄膜一侧的染料颗粒会快速扩散进液晶网络（体材料）的内部，从而大大增强材料对光的吸收能力以及光热效应。而单纯的加热或者光照都不会让染料有明显的扩散。于是，经过这种 “训练” 之后，材料便获得了对光的响应性——也就是习得了“条件反射”。

图 | 通过关联两个刺激的经典条件执行器（来源：Matter）

坦佩雷大学的教授，也是本文的作者之一  Arri Priimägi 表示：“我们的研究本质上是在问一个无生命的材料是否能以一种非常简单的方式学习的问题。我的同事，阿尔托大学的 Olli Ikkala 教授提出了如果材料可以学习会意味着神秘？这引发了我们的兴趣。”

“有许多人会说，我们把设计的这个自我学习的小软体机器人比喻得太远了。” Arri Priimägi 说道，“从某种意义上说，这些人是正确的，因为与生物系统相比，我们研究的材料还很简单并且有限。但即便是在他们正确的情况下，我们的研究和巴浦洛夫实验的比喻也仍然成立。”

张航对 DeepTech 说：“传统的软体机器人大多都拥有对外界刺激的响应性，比如对光或气压等。但此类响应性一般不会随时间的变化或自身的经历而发生变化。我们的研究主要是让材料拥有了通过条件反射获得新响应性的能力，尽管此能力仍然非常的原始和简单，并且在机理上与生物体的学习完全不同，但它的外在表现符合经典条件反射的逻辑。”

“而这正是我们的设计与之前相关研究的最大不同之处。”张航说，“我们预计拥有‘自我学习’能力的软体机器人，会成为该领域的下一个突破方向，并最终给人们带来更加智能化的软体机器人。”

图 | 液晶聚合物网络制成的人造巴甫洛夫狗（来源：曾浩、张航）

对于接下来的研究，他们表示下一步是要增加系统的复杂性和可控性级别，以便找到可以被生物系统使用的类比的极限。“我们的最终目的是实现人工材料的深层次仿生，以及软体机器人的高度自动化。”曾浩说。

针对 DeepTech 关于其在应用角度的提问，张航表示：“从这种材料的特性来看，它能作为可远程控制的可调软微型机器人，未来会是生物医学应用的理想材料。但就目前而言，这项研究还处于初级理论阶段，距离实际应用仍有一定距离。”

对于下一步的研究，张航和曾浩有着类似的规划：我们会继续专注于发现更多更好的、能实现经典条件反射的材料体系。从长远来看，拥有经典条件反射能力是使材料拥有真正复杂学习能力的第一步。而这些材料预计在未来能为我们带来更加智能的、对环境有更好适应能力的、可自主学习并进化的机器人或其他人造体系。

二人的学习经历

图 | 曾浩博士  （来源：本人提供）

曾浩，本科和硕士均毕业于南开大学物理学院，分别在 2008 年和 2011 年获得了光子学与技术的学士和硕士研究生学位。在 2011 年到 2015 年期间，在意大利的佛罗伦萨大学读博士，师从 Diederik Wiersma 教授，也正是在博士期间，开始接触到液晶聚合物人工肌肉材料，以及其激光微结构加工技术的研究。

在 2016 年，他前往芬兰的坦佩雷大学并跟随 Arri Priimägi  教授进行博士后研究，并于 2018 年获得了芬兰国家学院博后研究员称号。曾浩长期从事光控微型机器人的开发研究，力图在光响应智能材料中实现复杂的自适应功能。

在一个很偶然的机会，他接触到芬兰阿尔托大学的 Olli Ikkala 教授，也就被这个充满想象力的、能 “自我学习” 的材料的研究设想所深深吸引。随后，他便和 Olli Ikkala 课题组的博后研究员张航共同设计具体的实验方案。最后在两个课题组的共同努力之下，非常幸运地完成了在 Matter 上发表的工作。

图 | 张航博士（来源：本人提供）

张航，本科毕业于同济大学材料科学与工程专业，硕士则毕业于德国亚琛工业大学化学专业。他于 2017 年在位于亚琛的莱布尼茨交互材料研究所获得了博士学位，研究课题为基于水凝胶的光驱动软微机器人。随后，便在芬兰的阿尔托大学进行博士后的研究至今。

他的研究方向主要包括等离子体纳米颗粒的自组装、可编程凝胶，以及软机器人。一直以来，张航都对使用人造材料来实现各种不同的生物拟态和仿生功能十分感兴趣，因此加入了阿尔托大学 Olli Ikkala 教授的课题组，从事在人造材料里实现自主学习功能的研究。