|
Nature Sensors:5位科学家发表未来传感器领域的十大问题
作者:系统管理员
发布日期:2026-07-15
浏览次数:
图源:AI生成 2026年7月7日,5位大牛在Nature sensors发表观点文章,分享传感器领域未来的十大问题,作者分别是Saptarshi Das, Kinda Khalaf, Silvestro Micera, Marcia K. O’Malley & Peng Zhou。 问题一:哪些传感方向即将突破却被全球传感界忽视? Das 认为最被低估的是"不只测量、而是会自适应/预测/交互"的动态传感器,即把信息编码在时间、记忆、涨落和历史中,而不只是静态信号幅度;此外是在材料层面直接融合物理化学生物输入的多模态平台,以及由大量廉价、不精确传感器组成、靠群体智能取胜的分布式传感。Khalaf 强调自供电传感(摩擦电、压电纳米发电机把运动、呼吸、流体的机械能转成电信号)、物理感知的多模态传感,以及二维材料、超材料、软物质带来的全新架构。Micera 点名几个被忽视的生物传感:内感受(内脏与生理状态的神经编码)、Piezo1/2 的机械感受、细胞间隙化学感受,尤其是非兴奋性细胞(上皮、免疫、癌细胞)的生物电——他指出癌细胞去极化到 ?10 到 ?40 mV,去极化还标志细胞衰老,读取这些慢速低幅信号会打开一整层新的生物调控。 问题二:你认为十年内哪个"不可能"的传感能力会实现? Micera 的回答是:对兴奋性和非兴奋性组织同时进行连续、无线、多分析物的神经化学与生物电成像。他列了几项正在汇聚的突破:基因编码传感器(dLight1 做到亚秒、纳摩尔级多巴胺检测)、适体修饰纳米移液管在活体组织单细胞级分辨血清素、等离激元与量子传感作为无标记替代方案,甚至量子生物电子隧穿可以无线选择性诱导癌细胞凋亡。Peng Zhou 的回答是 all-in-one 传感系统:不只记录外部世界,而是持续推断那些无法直接测量、只被弱/稀疏/分布式信号间接编码的隐藏物理状态,把传感器从信号采集设备变成能实时理解物理的系统。 问题三:传感器微缩是否已近物理极限,还是需要重新定义传感器? Peng Zhou 回答,他承认传统微缩确实接近物理极限:器件越小,可收集的信号电荷越少,而噪声、漏电、器件间差异、寄生耦合越难压制,单纯缩小不再等于更好的传感。但他认为真正的问题是概念层面而非尺寸层面,需要更宽的传感器定义:从前端换能器变成集感知、存储、计算于一体的信息节点,三者协同设计,二维材料的超薄沟道、低温集成、垂直堆叠正好提供了这条路径。他举自己团队的二维视网膜形态运动检测器件为例,结论是从被动换能器走向主动信息接口。 问题四:传感与生物、计算、材料科学融合,需要什么新的培养模式或学科? O'Malley 主张把培养从单一领域技术训练扩展到系统级思维,核心信条是"计算无法找回在传感阶段丢失的信息",AI 弥补不了糟糕的信噪比,就像先进控制救不了设计糟糕的机械系统;她强调把信号完整性当第一性原理,并让学生早点在"真实世界"里做传感,暴露受控实验难以出现的失效模式。Khalaf 认为单学科训练已不够,需要融合式、跨学科教育,尤其是材料—信息协同设计,以及把法规科学、可制造性、可靠性、面向产品的系统思维纳入培养。 问题五:阻碍实验室级传感创新变成真实系统的最大障碍是什么? Das 的答案是:实验室性能是在高度受控条件下得到的,不反映真实部署的复杂性;科学新意常在换能机理,而实际瓶颈在周边一切(可规模化制造、可靠性、接口电子、数据处理、标准、成本)。第二个障碍是器件级指标和系统级价值之间的持续鸿沟:新材料常按峰值性能评判,但被采纳与否取决于它是否真正改善整个系统(能否降低误报、能否低功耗连续运行、良率、可标定性、可集成性)。O'Malley 呼应,补充材料老化和机械漂移对生物集成/可穿戴系统的性能影响往往超过传感机理本身,并强调很多系统没有按全生命周期来设计。 问题六:哪些新材料或混合系统会重新定义传感架构? O'Malley 谈柔性、可拉伸、多层平台,指出当传感器与皮肤或软组织接触时,机械界面与传感性能不可分割,运动伪影、顺应性和阻抗失配会显著影响信号质量;她看好多模态混合系统提升鲁棒性、保留信息量,以及可维修/可替换/可再生的模块化异构架构,并以连续血糖监测仪为成功的协同设计范例。 问题七:如何设计可维修、可回收、可降解又不牺牲性能的传感器,并降低全球传感生态的环境足迹? Khalaf 主张把可持续性当核心设计原则而非限制,推崇模块化、材料感知的解耦系统(传感元件、电子、基底各自独立、可互换、可替换),每个组件按功能、寿命和报废路径来定义;瞬态与生物衍生聚合物、自愈水凝胶、可逆互连、面向拆解的设计都是手段。Peng Zhou 认为问题是系统性的,不是把传感器做得略小或略便宜就能解决:第一步是架构性的,摒弃"全采集、全传输、后处理"的逻辑,用近传感/在传感计算在源头抑制冗余数据以降低传输、存储、后端能耗;第二步是为长寿命而非一次性设计,他举了二维闪存与成熟 CMOS 平台整合的例子。 问题八:如果 AI 能从极噪声或低质量信号中提取信息,我们还需要高性能传感器吗? Das 的答案是"需要,但要重新定义高性能",传统上高性能等于最大化原始保真度(高信噪比、低检测限、高分辨率、好线性度),但 AI 表明最有用的传感器不是给出最干净信号的那个,而是给出对下游任务最有信息量信号的那个;这不降低传感器的重要性,而是改变了优化目标。关键的是:AI 无法恢复从未被采集到的信息,在测量太不稳定或不具代表性时还会放大偏差、幻觉出结构、在分布漂移下失效,糟糕的传感不总能被更好的计算救回来。Peng Zhou 补充,AI 不能凭空造出物理信息,系统天花板仍由前端传感质量决定,所以未来的高性能传感器要具备自适应交互和迭代能力,像视网膜那样自适应增益、压缩动态范围、在传输前先提取运动,闭合感知计算回路。 问题九:传感器进入身体、大脑、家庭,哪些伦理边界绝不能越过? Khalaf 列出知情且可随时撤销的持续同意、认知与身体自主、隐私、问责、安全与公平等原则。Micera 从三个类别提出警戒:一是生物电传感扩展到非兴奋性组织(肿瘤、衰老成纤维细胞、上皮网络),使细胞状态的电读取远超神经系统范围,是伦理拐点;二是认知自由与心理隐私应作为首要优先,任何主体(商业、政府、临床)都不应在没有明确、细粒度、可持续撤销的同意下访问被解码的心理状态,且这些原则要延伸到细胞状态数据;三是同意—胁迫的梯度问题,当传感被保险公司激励或雇主要求时就不再是真正自愿。他还指出既感知又调制的闭环系统需要更高的审查门槛。 问题十:如何防止传感技术加剧全球不平等或沦为监视工具? Das 主张把伦理、可及性、治理当成核心设计约束而非事后补丁。传感技术一旦部署就不中立,它决定谁被看见、谁被测量、谁受益、谁承担风险;若昂贵、重基础设施、集中在少数地区机构,会加剧医疗、环境监测、农业、教育、工业上的既有不平等,若缺乏问责还会助长普遍监视和对弱势群体的不对称控制。对策是优先考虑可及性与情境适配设计(可负担、节能、适应资源受限环境、无需专门基础设施),推崇节俭工程、本地可制造、可解释、可维护,并让受影响社区更早参与设计。 五位作者介绍 在工程科学与力学系任职,横跨材料科学与电气工程,研究方向是二维材料、神经形态计算、智能传感和硬件安全。他的代表性工作是把 MoS2、WSe2、石墨烯等二维材料做成仿生电路,用于边缘计算与感知。他这次在文中反复强调的"AI 无法恢复从未采集的信息","最有用的信号是最有信息量而非最干净的信号"。 研究涵盖生物力学、生物机器人与智能设备,联合创办过初创公司,并为世界卫生组织等机构在医疗器械方面提供咨询,长期倡导跨学科教育。她在文中主要负责自供电传感、材料—信息协同设计、可持续性与伦理这几块,视角偏系统与转化。 神经假体领域的代表人物,研究植入式神经接口以恢复截肢者和脊髓损伤者的感觉运动功能。他最有影响力的一批工作是给仿生手加上真实的躯体感觉反馈:通过外周神经刺激的仿生感觉反馈提升义手的灵巧使用(Nature Materials, 2021)、综述仿生手的感觉信息恢复(Nature Biomedical Engineering, 2023),近年还做出了带热觉反馈的感觉运动义手。 研究物理人机交互、触觉和可穿戴康复机器人。她的代表贡献是新型外骨骼和触觉界面,用于促进运动恢复、改善运动协调,并通过人机共享控制增强训练。她在文中提出"计算无法找回传感阶段丢失的信息""信号完整性是第一性原理"。 周老师2020年以来在 Nature、Science、Nature Electronics、Nature Materials、Nature Nanotechnology等期刊发表了一系列有影响力的工作。 |


