Программируемая мягкая электроника для бионических устройств

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 21-13-00403

НазваниеПрограммируемая мягкая электроника для бионических устройств

Руководитель Скорб Екатерина Владимировна, Доктор химических наук

Организация финансирования, регион федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский университет ИТМО" , г Санкт-Петербург

Конкурс №55 - Конкурс 2021 года «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами»

Область знания, основной код классификатора 03 - Химия и науки о материалах; 03-405 - Наноструктуры и кластеры. Супрамолекулярная химия. Коллоидные системы.

Ключевые слова гибкая электроника, эвтектический сплав галлий-индий, полиэлектролиты, машинное обучение, программируемые интерфейсы, наноинженерия, композиты, самосборка, биосенсоры, роботизация лаборатории

Код ГРНТИ31.00.00

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Данный проект направлен как на производство устройств гибкой электроники для нейроморфных вычислений, так и на применение таких устройств в медицине и здравоохранении (искусственный нейрон, интерфейс человек-машина и т. д.). Будет предложена новая парадигма адаптивных материалов и путей самоорганизации таких материалов, нацеленных на определенные применения в мягкой электронике и биораспознавания, что является актуальным стратегическим направлением науки и техники в России и во всем мире. Искусственные адаптивные системы для цифровых устройств, способные к обучению, как правило, основаны на нейроморфных технологиях и полупроводниковых устройствах типа мемристора. Задачи исследования состоят в том, чтобы программировать функции обучения и адаптации для “умных материалов”, получая необходимый компонент от диода до мемристора взависимости от приложенных потенциалов и химического состава используемых материалов, установить связи для многоэлектродных систем. Как материалы особый интерес представляют полупроводниковые пленки и полимеры, способные реагировать на внешние воздействия, в частности, ионные токи и претерпевать электрохимическое переключение. Заряженные полимеры, полиэлектролиты могут реализовывать возможности реагировать и адаптироваться к локальным изменениям в электрическом поле и химической среде, а также контролировать сигналы , что создаст петли обратной связи между компонентами материала. Как материалы электродов для гибкой электроники перспективен жидкий эвтектический сплав GaIn. Научной проблемой является найти возможности адаптации и обучения, используя формирование полупроводниковых пленок оксидов, фосфатов, фторидов и т.д. на поверхности жидкого эвтектического сплава GaIn и изменение конформации полимерных материалов для создания устройств гибкой электроники для нейроморфных вычислений. Например, макромолекулы очень динамичны и претерпевают конформационные перестройки, чтобы приспособиться к изменениям окружающей среды и влияют на процессы переноса зарядов и состояния поверхности электродов. Как следствие, полупроводниковые пленки могут 1) в своем новом состоянии транслировать новый сигнал; 2) генерировать противоположный стимул для мягкой материи и инициировать процесс релаксации (восстановления); 3) запустить новый процесс адаптации. Желаемая надежность и эффективность отклика материала могут быть достигнуты с использованием предлагаемого подхода. Этот проект объединяет широкий опыт заявителей в области полупроводниковых материалов, материалов с фазовым переходом, синтеза и характеризации коллоидных систем, коллоидной сборки и исследовании полимеров, реагирующих на внешние воздействия. Научная новизна заключается также и в использовании алгоритмов машинного обучения для выявления необходимых сложных архитектур и реализации гибких устройств на их иснове. Так планируется создание роботизированных платформ и использование больших данных и искусственного интеллекта (ИИ) как для разработки конкретных функциональных материалов, так и для сравнения теоретических знаний. ИИ будет обучен прогнозному синтетическому планированию, а веб-приложение, которое мы представим на онлайн-платформе, станет полезным ресурсом, помогающим ученым и компаниям по материалам в их повседневных задачах по адаптивному дизайну материалов. Так разработка комплекса предметно-ориентированных цифровых методов и технологий, обеспечивающих автоматизацию технологической цепочки создания функциональных материалов и систем на основе методов ИИ. Создание интеллектуальных технологий цифрового инжиниринга, обеспечивающих получение и воспроизводство прорывных предметных результатов: для новых функциональных материалов; для нового поколения многофункциональных гибких электрических устройств; для идентификации и управления биохимическими состояниями живых организмов. Результаты этого проекта окажут значительное влияние на несколько отраслей. Так, интеллектуальные гибкие устройства, которые можно создавать с помощью предлагаемого подхода смогут найти применение в широком спектре областей, в частности, при разработке носимой электроники для мониторинга состояния здоровья.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Паикар А., Новичков А.И., Ганопольский А.И., Смоляк В.А., Суи Х., Кампф Н., Скорб Е.В., Семенов С.Н. Spatiotemporal regulation of hydrogel actuators by autocatalytic reaction networks Advanced Materials, Т. 34, № 13, С. 2106816 (год публикации - 2021)
10.1002/adma.202106816

2. Лаврентьев Ф.В., Румянцев И.С., Иванов А.С., Шиловских В.В., Орлова О.Ю., Николаев К.Г., Андреева Д.В., Скорб Е.В. Soft Hydrogel Actuator for Fast Machine-Learning-Assisted Bacteria Detection ACS Applied Materials & Interfaces, в издательстве (год публикации - 2022)

3. Кухтенко Е.В., Шиловских В.В., Кольцов С.И., Иванов А.С., Николаев К.Г., Андреева Д.В., Скорб Е.В. Periodic Self-Assembly of Poly(ethyleneimine) – Poly(4- styrenesulfonate) Complex Coacervate Membranes ACS Applied Polymer Materials, в издательстве (год публикации - 2022)

4. Лаврентьев Ф.В., Румянцев И.С., Иванов А.С., Шиловских В.В., Орлова О.Ю., Николаев К.Г., Андреева Д.В., Скорб Е.В. Soft Hydrogel Actuator for Fast Machine-Learning-Assisted Bacteria Detection ACS Applied Materials and Interfaces, 14, 7321−7328 (год публикации - 2022)
10.1021/acsami.1c22470

5. Орлова Т., Пивень А., Дарморов Д., Алиев Т., Разик T. M. T. A., Бойцев А., Графеева Н., Скорб Е. В. Machine learning for soft and liquid molecular materials Digital Discovery (на рецензии), XX, XXX (год публикации - 2023)

6. Алиев Т.А., Беляев В.Е., Помыткина А.В., Нестеров П.В., Шитяков С.В., Садовничи Р.В., Новиков А.С., Орлова О.Ю., Масалович М.С., Скорб Е.В. The development of an electrochemical sensor for antibiotics in milk based on machine learning algorithms Nature Food (на рецензии), на рецензии (год публикации - 2023)

7. Тамер Т.М., Тантави М.М., Брусевич А., Небалуева А., Новиков А., Москаленко И., Абу-Сери М., Уласевич С., Скорб Е.В. Functionalization of chitosan with poly aromatic hydroxyl molecules for improve its antibacterial and antioxidant properties: practical and theoretical studies International Journal of Biological Macromolecules (на рецензии), XX, XXX (год публикации - 2023)

8. Зырянова П.И., Энтальти М.М., Силин Д., Королев И.С., Николаев К.Г., Козодаев Д.И., Стаутина А.С., Сурменев Р.А., Холкин А.Л., Уласевич С.А., Скорб Е.В. Using hydroxyapatite patterns to study extracellular cell communication ACS Applied Materials & Interfaces (на рецензии), X, XX-XX (год публикации - 2023)

9. Лаврентьев Ф.В., Шиловских В.В., Алабушева В.С., Юрова В.Ю., Никитина А.А., Уласевич С.А., Скорб Е.В. Diffusion-Limited Processes in Hydrogels with Chosen Applications from Drug Delivery to Electronic Components Molecules, Т. 28, № 15, С. 5931 (год публикации - 2023)
10.3390/molecules28155931

10. Рухляда К.А., Матыцина В.В., Балдина А.А., Волкова О.О., Козодаев Д.А., Баракова Н.В., Орлова О.Ю., Смирнов Е.А., Скорб Е.В. Universal Method Based on Layer-by-Layer Assembly for Aptamer-Based Sensors for Small-Molecule Detection Langmuir, Т. 39, № 31, С. 10820–10827 (год публикации - 2023)
10.1021/acs.langmuir.3c00822

11. Орлова Т., Пивень А., Дарморов Д., Алиев Т., Разик T. M. T. A., Бойцев А., Графеева Н., Скорб Е. В. Machine learning for soft and liquid molecular materials Digital Discovery, Т. 2, № 2, С. 298-315 (год публикации - 2023)
10.1039/D2DD00132B

12. Ганопольский А.И., Михневич Т.А., Пайкар А., Нуткович Б., Пинкас И., Дадош Т., Смит Б.С., Орехов Н., Скорб Е.В., Семенов С.Н. Interplay between autocatalysis and liquid-liquid phase separation produces hierarchical microcompartments Chem, № 9, С. 1-19 (год публикации - 2023)
10.1016/j.chempr.2023.08.029

13. Никитина А.А., Лаврентьев Ф.В., Юрова В.Ю., Пярниц Д.Ю., Волкова О.О., Скорб Е.В., Щукин Д.Г. Layered nanomaterials for renewable energy generation and storage Materials Advances (год публикации - 2023)

14. Тамер Т.М., Тантави М.М., Брусевич А., Небалуева А., Новиков А., Москаленко И., Абу-Сери М., Уласевич С., Скорб Е.В. Functionalization of chitosan with poly aromatic hydroxyl molecules for improve its antibacterial and antioxidant properties: practical and theoretical studies International Journal of Biological Macromolecules, Т. 234, С. 123687 (год публикации - 2023)
10.1016/j.ijbiomac.2023.123687

15. Кухтенко Е.В., Лаврентьев Ф.В., Шиловских В.В., Зырянова П.И., Кольцов С.И., Иванов А.С., Новиков А.С., Муравьев А., Николаев К.Г., Андреева Д.В., Скорб Е.В. Periodic Self-Assembly of Poly(ethyleneimine) – Poly(4- styrenesulfonate) Complex Coacervate Membranes Polymers, Т. 15, №1,С. 45 (год публикации - 2023)
10.3390/polym15010045

Публикации