編輯推薦：
聽力損失影響廣泛，現有治療手段如助聽器和植入物在聲源定位上存在缺陷。研究人員開展基于壓電納米纖維（PVDF-TrFE/BTO）的智能聽覺系統研究，結合神經網絡，該系統能精準識別聲音方向，超越人類定向聽力，為人工聽覺發展帶來新突破。
在我們的日常生活中，聲音無處不在，它是我們與外界溝通、感知環境的重要媒介。然而，對于那些遭受聽力損失的人來說，聆聽這個豐富多彩的聲音世界卻成了一種奢望。聽力損失影響著各個年齡段的人群，不僅阻礙了他們的學習、社交，還嚴重降低了生活質量。當前，常見的聽力治療手段，像助聽器和植入物，雖然在一定程度上緩解了聽力問題帶來的困擾，但在關鍵的聲源精準定位方面卻差強人意。比如，佩戴者常常難以判斷聲音究竟來自哪個方向，這在復雜環境中會帶來諸多不便。為了攻克這一難題，提升人工聽覺技術，研究人員展開了深入探索。雖然文中未提及具體研究機構，但他們的研究成果卻發表在了《SCIENCE ADVANCES》上，為該領域帶來了新的曙光。
研究人員聚焦于模仿人類聽覺系統的復雜機制，致力于開發一種創新的智能聽覺系統。他們巧妙地將不對稱排列的壓電納米纖維（PVDF-TrFE/BTO）與神經網絡相結合，期望能夠模擬自然聽覺過程。在這個過程中，有著螺旋狀變化長度和方向的壓電納米纖維，就像是一個個精密的傳感器，負責將聲波轉化為機電信號，模仿了耳蝸中基底膜的復雜動力學。隨后，這些信號被數字神經網絡進行編碼處理，進而實現精確的聲音方向識別。
在這項研究中，研究人員運用了多種關鍵技術方法。首先是材料制備技術，通過特定的溶液混合和電紡工藝制備 PVDF-TrFE/BTO 納米纖維；利用掃描電子顯微鏡（SEM）、原子力顯微鏡（AFM）等多種微觀表征技術，對納米纖維的形貌、結構和性能進行全面分析；采用激光測振儀和定制的壓電聲學系統測試設備的壓電性能；借助有限元分析（FEA）模擬設備的振動模式；運用 Python 編程和機器學習算法進行數據處理和模型構建，從而實現聲音方向識別等功能 。
下面讓我們詳細看看研究的主要結果：
- 蹦床狀多諧振壓電聲學器件的設計：受人類耳蝸啟發，研究人員設計并制作了螺旋蹦床狀壓電聲學器件（ST-PiezoAD）。該器件由內外電極構成，外電極被分割成多個不同半徑的部分，通過電紡工藝將 PVDF-TrFE/BTO 納米纖維徑向排列在電極上。這種結構類似于人類耳蝸的基底膜，有望實現復雜的多諧振響應，且器件尺寸可根據實際需求進行調整。
- 壓電復合納米纖維的表征：對 PVDF-TrFE/BTO 納米纖維進行了全面表征。確定了 BTO 納米顆粒（NPs）的最佳添加量為 6 wt%，此時納米纖維展現出良好的性能。研究發現，BTO NPs 的添加雖然增加了納米纖維的表觀模量，但由于聚合物與 BTO NPs 之間的界面問題，導致強度和極限應變有所降低。同時，納米纖維在電紡過程中被極化，BTO NPs 的加入增強了復合納米纖維的壓電性。
- 蹦床狀 PiezoADs 的多諧振行為和可調靈敏度：通過設計一系列簡化的圓形蹦床狀壓電聲學器件（CT-PiezoADs），研究人員探究了器件幾何結構對多諧振行為和電壓輸出的影響。發現改變納米纖維的彈簧長度（即改變器件尺寸）可以調整諧振行為，較大的外直徑和合適的懸臂比例能提高器件的靈敏度。ST-PiezoAD 同樣表現出復雜的諧振行為，不同通道具有不同的諧振頻率，且通道間相互影響。實驗和模擬結果都表明，該器件能夠有效分離振動光譜并轉換為電壓輸出，類似于人類聽覺系統的頻率分離功能。
- AI 輔助的聲音識別：結合機器學習算法，構建了人工 “聽覺皮層” 模型。收集了大量來自不同方向和自然語言內容的壓電聲學信號，用于訓練和測試模型。結果顯示，基于注意力機制的變壓器模型能夠準確分析聲音方向特征，ST-PiezoAD 模塊在 3D 空間中識別聲音方向的準確率極高，在 xy 平面平均準確率達到 97 ± 3.2%，在 yz 平面為 92.1 ± 8.1%，對 z 軸不同距離的識別準確率更是達到 100%。此外，增加通道數量可提高識別準確率，模型還具備回歸預測未知方向的能力，并能應用于聲音理解和音樂錄制等任務。
綜合來看，研究人員成功開發出一種結合可編程不對稱壓電納米纖維結構與數字智能神經網絡的人工聽覺系統。該系統中的 ST-PiezoAD 在聲音識別和方向識別方面表現卓越，靈敏度和準確率都非常高。其不對稱螺旋幾何結構不僅有效模擬了人類耳蝸基底膜的振動轉導和頻率分離功能，還在神經網絡的輔助下，在空間智能方面超越了人類大腦。這一研究成果代表了人工耳蝸設備、人工聽覺系統和人工空間智能領域的重大范式轉變，為未來的聽力治療和相關可穿戴設備、植入物的發展提供了新的方向。不過，目前該技術距離實際應用還有一些關鍵步驟要走，比如設備的小型化、系統集成以及實地測試等，但無疑已經為人工聽覺領域開辟了一條充滿希望的道路。
