江南大学AM：无需激活，300%应变仍稳定导电：岛桥液态金属墨水赋能机器学习肌电监测

表面肌电监测在非侵入诊断、康复和日常健康监测中日益重要，尤其运动训练中持续局部过载、不适训练条件和累积疲劳与肌肉损伤密切相关，因此需要在动态运动中连续、准确获取肌肉活动信号。但传统金属导体、导电聚合物和碳基柔性电极仍受机械失配、变形诱导电退化及界面稳定性不足制约，动态使用时易出现界面阻抗升高、运动伪影和信号丢失。镓基液态金属虽具高电导和类流体变形性，却常需分散为颗粒墨水并以氧化、聚合物修饰或表面功能化稳定；多数液态金属颗粒墨水印刷后仍绝缘，需按压、拉伸或摩擦等机械激活来破裂氧化壳并建立导电通路，而颗粒离散和表面稳定又削弱导电网络连续性，二维导电纳米片桥接也受本征刚性和界面耦合不足限制。因此，同时实现高分辨印刷、无激活本征导电和大应变下电学稳定仍是核心挑战。

针对这一矛盾，江南大学黄云鹏副教授、董建成副教授和周彪副教授合作，提出一种本征导电、无激活的CuCNTs/LMPs复合墨水，通过合理设计的岛桥微架构让铜装饰碳纳米管桥接相邻液态金属颗粒：CuCNTs先经氢键/配位辅助附着到LMPs天然氧化镓壳，再在界面发生局部Cu-Ga合金化，从而形成稳定导电桥。该墨水支持100 µm高分辨丝网印刷和可变形电路集成，动态可重构岛桥网络在300%应变下仍保持1.3 × 10⁻¹ Ω sq⁻¹方阻，并在长时间循环拉伸和弯曲中保持电阻稳定；印刷到透气纤维基底上的12通道阵列具有低皮肤-电极阻抗和优于商用凝胶电极的HD-sEMG性能，结合机器学习可实现训练状态识别、个体化负荷评估和疲劳相关运动状态连续监测。相关论文以“Activation‐Free and Strain‐Resilient Island‐Bridge Liquid Metal Inks for Machine‐Learning‐Enabled Epidermal Electromyography”为题，发表在Advanced Materials上。

研究首先从材料设计和制备策略上建立无激活导电路径：块体EGaIn在乙二醇/叶醇介质中超声分散为LMPs，混合溶剂通过空间位阻和羟基介导界面稳定抑制聚并沉降，随后引入CuCNTs使一维导电元件均匀分布，并借Cu-Ga合金化与氢键作用将CuCNTs锚定在LMPs表面（图1a）。岛桥网络在拉伸中通过CuCNTs桥保持导电渗流（图1b）。该架构印刷后直接形成互联导电网络，无需后印刷机械激活；墨水可印刷线宽低至100 µm的清晰线条（图1c），并构建软电路和mLED阵列（图1d）、无线受电单元（图1e），再将墨水印刷到透气SEBS纤维基底上形成HD-sEMG电极阵列（图1f）。平台兼顾透气性、可拉伸性和信号保真度（图1g），并支撑机器学习辅助HD-sEMG分析（图1h）。

图1 （a）岛桥结构CuCNTs/LMPs墨水的制备示意图。（b）LMPs墨水和CuCNTs/LMPs墨水随变形变化的导电网络演化示意图。（c）线宽低至100 µm的导电线路高分辨丝网印刷。（d）使用CuCNTs/LMPs墨水制造的柔性印刷电路和可穿戴mLED阵列。（e）基于螺旋线圈并集成mLED的印刷无线受电装置。（f）纤维SEBS基底上透气HD-sEMG电极阵列示意图。（g）表皮平台的关键性能，包括透气性、可拉伸性和信号保真度。（h）用于肌肉活动评估和疲劳相关状态监测的机器学习辅助HD-sEMG分析。a、b、f和h中部分概念图形元素在作者准备的原始草图基础上借助OpenAI ChatGPT（2026年访问）生成，随后由作者使用Adobe Photoshop修改、标注和组装。

在结构与界面机制上，研究通过EG/LA二元溶剂实现LMPs的溶剂介导稳定（图2a），CuCNTs/LMPs分散液静置24 h仍视觉均匀；1–7天内上清液透射率接近零；Zeta电位在0–240 min内保持较高且近恒定（图2b–d），说明复合墨水具有良好胶体稳定性。SEM显示CuCNTs在相邻LMPs间形成多点桥接和局部界面融合（图2g）；XRD、FTIR和XPS进一步证明CuCNTs含氧基团与LMPs氧化壳之间形成氢键和配位作用，并在界面发生局部Cu-Ga合金化，顺序界面杂化机制见图2h，Cu 2p和Ga 2p XPS谱见图2i、2j，使CuCNTs被牢固锁定。接触角测量表明复合墨水在多种基底上润湿性显著改善（图2k、2l），流变测试显示其呈剪切变稀且随CuCNTs负载增加粘度升高（图2m），为高保真丝网印刷提供条件；这些结果说明界面杂化不仅稳定分散，还直接构建了无需激活的导电桥。

图2 （a）LMPs在EG/LA二元溶剂中的溶剂介导界面稳定机制。（b）LMPs和CuCNTs/LMPs分散液的静态储存稳定性。（c）LMPs和CuCNTs/LMPs分散液的时间依赖Zeta电位。（d）CuCNTs/LMPs分散液不同储存时间后的上清液透射率。（e）球形LMPs的SEM图像。（f）CuCNTs的TEM图像。（g）SEM图像显示CuCNTs桥接相邻LMPs并形成岛桥导电架构，以及杂化界面处局部Cu-Ga合金化。（h）CuCNTs与LMPs顺序界面杂化示意图，在作者准备的原始示意图基础上借助OpenAI ChatGPT（2026年访问）生成，随后由作者使用Adobe Photoshop修改、标注和组装。（i、j）复合墨水的高分辨Cu 2p和Ga 2p XPS谱。（k）块体EGaIn和CuCNTs/LMPs在玻璃基底上的动态接触角测量。（l）CuCNTs/LMPs在不同基底上的静态接触角。（m）不同CuCNTs负载CuCNTs/LMPs墨水的流变性能。

电学性能测试表明，岛桥架构能有效抑制应变下导电网络失效：纯LMPs在300%应变下方阻从约3.2 × 10⁻²升至3.3 × 10⁻¹ Ω sq⁻¹，而1.5 wt.% CuCNTs的复合墨水在300%应变下仍保持1.3 × 10⁻¹ Ω sq⁻¹（图3a），并在70%、100%和300%顺序拉伸中迅速达到新平衡且无明显基线漂移（图3c）。SEM显示LMPs随应变逐渐分离，但CuCNTs持续桥接孤立导电岛，实现可逆导电重构（图3d）；2000次50%循环拉伸和1000次180°弯曲中电阻响应高度可重复（图3e、3f），压力（图3g）、砂纸磨损（图3h）以及长时间磁搅拌下也保持稳定。基于此，研究还演示了印刷螺旋线圈的NFC无线通信（图3j、3k）和霍尔效应控制的3 × 3 LED阵列（图3l、3m），说明该墨水在可拉伸互连和多功能软电子中具有稳定电输运能力。

图3 （a）LMPs、CNTs/LMPs（1 wt.% CNT负载量）和不同CuCNT负载CuCNTs/LMPs墨水的应变依赖方阻。（b）含1.5 wt.% CuCNTs的CuCNTs/LMPs导体不同涂覆量在拉伸应变下的相对电阻变化。（c）在70%、100%和300%顺序拉伸应变下的电阻稳定性。（d）SEM图像显示岛桥CuCNTs/LMPs导电网络随变形的演化。比例尺：500 nm。（e、f）CuCNTs/LMPs导体的循环拉伸和弯曲稳定性。插图显示放大的循环电阻响应。（g）压力依赖电阻变化。（h）反复砂纸摩擦下的耐磨耐久性。数据以平均值±标准差表示（n = 10），阴影区域表示标准差。（i）CuCNTs/LMPs与先前报道液态金属墨水之间ΔR/R0随应变变化的比较。（j）用于NFC应用的印刷CuCNTs/LMPs螺旋线圈。（k）智能手机启用NFC通信演示。（l）霍尔效应控制的3 × 3 LED阵列，显示磁体位置依赖照明。（m）霍尔传感器集成电路在重复磁体接近和移开过程中的循环输出电压响应。

在表皮电极应用中，研究将CuCNTs/LMPs墨水丝网印刷到透气SEBS纤维基底，制成12通道HD-sEMG阵列（图4a），电极直接以印刷岛桥网络接触皮肤，将传统湿凝胶电极的复杂界面简化为紧凑Ce-Re等效电路（图4b），从而在10⁻¹–10⁴ Hz范围内表现出显著低于商用凝胶、PEDOT:PSS和CNT电极的阻抗（图4c），且储存3天和7天后阻抗谱几乎不变。器件经拉伸、弯曲、扭转、汗液和磨损测试后各通道仍保持清晰sEMG信号；在2.5、5和10 kg哑铃弯举中（图4d、4e），阵列的RMS、SNR和ZC率指标及复合质量指数均优于商用电极（图4f、4g）。研究从12通道提取RMS、MAV、iEMG、VAR、WL和ZC形成12 × 6输入矩阵（见3.4及图4j工作流）；图4h展示通道依赖特征分布，图4i展示RMS特征的95%置信区间可重复性。用四卷积层CNN训练（图4j），训练集和留出测试集的准确率、精确率、召回率和F1分数均超过0.99（图4k、4l，四指标综合比较见图4l），损失曲线稳定收敛且无明显过拟合（图4m），说明该电极阵列可提供高保真、可重复的多通道肌电数据并支撑可靠分类。

图4 （a）印刷在SEBS纤维基底上的12通道表皮电极阵列光学图像。（b）湿凝胶电极和CuCNTs/LMPs表皮阵列的等效界面电路模型。（c）CuCNTs/LMPs电极的频率依赖皮肤-电极阻抗谱和储存稳定性。（d）不同负荷哑铃弯举运动中的HD-sEMG采集。（e）代表性多通道HD-sEMG波形。（f）商用电极与CuCNTs/LMPs阵列之间RMS、SNR和ZC率信号质量指标比较。（g）不同运动负荷和训练状态下复合sEMG信号质量指数。（h）通道依赖HD-sEMG特征分布。（i）使用95%置信区间评估的跨通道RMS特征可重复性。（j）基于CNN的HD-sEMG训练状态识别工作流，图形图标元素借助OpenAI ChatGPT（2026年访问）生成，随后由作者使用Adobe Photoshop修改并整合到最终示意图中。（k）CNN训练期间精确率和准确率曲线。（l）训练和留出测试数据集分类指标雷达图比较。（m）优化期间训练和留出测试损失曲线。

基于高质量HD-sEMG数据和CNN模型，研究进一步验证运动状态评估能力：在2.5–12.5 kg负荷下，RMS、WL、MAV和Wavelet Std L2分布随负荷增加逐渐可区分（图5a）；五类负荷分类器混淆矩阵对角线均超过95%（图5b），仅相邻负荷间有有限误分类。二分类训练状态分类器在个体化评估中可将2.5 kg试验主要判为适度训练、5.0 kg试验一致判为疲劳相关训练（图5c、5d展示信号与空间RMS图，图5e为分类结果）；在10 kg持续弯举中（图5f），分类输出约750 s后由适度状态转向间歇性疲劳相关分类，约1200 s后疲劳相关分类更持续（图5g）。由于未测量独立肌肉损伤标志物，该结果被界定为疲劳相关状态监测而非肌肉损伤直接预测，但系统可基于生理肌电反应实现负荷分类、个体化评估和连续状态监测。

图5 （a）不同哑铃负荷下代表性HD-sEMG特征（RMS、WL、MAV和Wavelet Std L2）分布。（b）五类负荷分类器混淆矩阵。（c、d）5.0和2.5 kg负荷哑铃弯举任务中代表性12通道HD-sEMG信号及对应空间RMS图。（e）二分类训练状态分类器用于个体化训练状态评估的预测结果，显示分类为适度和疲劳相关状态。（f）10 kg负荷长时间哑铃弯举运动中连续多通道HD-sEMG记录。（g）二分类训练状态分类器的时间分辨预测，显示长时间运动中从适度状态向疲劳相关状态的转变。

综上，该研究以溶剂介导稳定和CuCNTs辅助界面杂化构建了本征导电、无激活的岛桥液态金属复合墨水，在不依赖后印刷机械激活的情况下同时实现100 µm高分辨印刷、300%应变下1.3 × 10⁻¹ Ω sq⁻¹方阻和长期循环电学稳定；由此制造的透气12通道HD-sEMG阵列具有低界面阻抗和优于商用Ag/AgCl电极的信号质量，并结合CNN实现训练状态识别、负荷依赖分类、个体化负荷评估和疲劳相关状态连续监测。该工作提供了从材料设计到器件集成的可扩展策略，面向智能表皮生物电子和可穿戴肌肉健康管理。