六月的第四周结束啦！
一起来回顾一下
这一周的日签知识吧！
仿生“扭叶”技术设计收集水滴的智能材料
干旱植物的叶子会随着环境的变化而发生形变，以便于收集空气中的水滴 。受此启发，研究者设计了一种会“主动扭曲”的仿生材料，用于智能收集空气中的水滴，发表在最近的《自然·计算科学》杂志上。这种材料由双层液晶弹性体构成，通过改变层间分子的排列角度，实现精确可控的弯曲、螺旋或扭转形变。令人惊喜的是，这种扭曲结构不仅能像滑梯一样引导水滴流向“根部”，还能在风中保持挺立不倒伏，特别适合恶劣环境下的水收集。
资料来源：https://www.nature.com/articles/s43588-025-00786-w
参考文献：Yang, Y., Dai, Z., Chen, Y. et al. Active twisting for adaptive droplet collection. Nat Comput Sci 5, 313–321 (2025).
软体机器人通过叶子给植物”打针“
叶面递送可以通过叶子向植物体内传递制剂，是精准农业的重要方法。《科学·机器人》杂志发表了一项研究，介绍了一种软体机器人夹持器，该夹持器能够在大面积范围内执行基于压印的加压渗透，与传统的无针注射器方法相比，对叶片的损伤显著减少。实验中，该夹持器成功递送了能够追踪叶片水势的水凝胶纳米颗粒，以及能够编辑叶片 DNA的基因。
资料来源：https://www.science.org/doi/10.1126/scirobotics.adu2394
参考文献：Mehmet Mert İlman et al. ,In situ foliar augmentation of multiple species for optical phenotyping and bioengineering using soft robotics.Sci. Robot.10,eadu2394(2025).
防压疮床垫：加大压力！
压疮对病人的危害很大，防压疮床垫设计了“洗衣板”一样的隆起和凹陷结构，希望以此来分散人体压力。《科学·机器人》杂志最近发表了一篇文章，发现了一个有趣的现象：为了有效防止压疮，应该增加峰值压力而不是减小，同时应该增加压力差。他们还通过实验探索了床垫的“最优参数”，显著减少了持续受压的区域，更有效地防止了压疮生成。
资料来源：https://www.science.org/doi/10.1126/scirobotics.ads6314
参考文献：Zhidi Yang et al. ,Preventing pressure ulcers by increasing pressure: An unorthodox alternating-pressure mattress.Sci. Robot.10,eads6314(2025).
能知冷暖的机器手
你能想象一只“机器手”像人类一样感知到温度和触摸吗？《科学·机器人》杂志最近发表了一篇文章，介绍了一种单层、可拉伸的“软皮肤”传感技术。这一技术融合了电阻成像和机器学习模型，仅通过一层水凝胶膜就能实现多模态感知。应用这一技术做成的机器手可以感知“人手触摸”、“金属按压”，“局部加热”等各种信息，就像真人的手一样。
资料来源：https://www.science.org/doi/10.1126/scirobotics.adq2303
参考文献：David Hardman et al.,Multimodal information structuring with single-layer soft skins and high-density electrical impedance tomography.Sci. Robot.10,eadq2303(2025).
数学是一门有趣又很抽象的学问，有的孩子学习起来小菜一碟，有的却头疼不已。《科学进展》杂志最近发表了一篇论文，用个体学习行为数据训练了一个个性化的深度神经网络。这个网络相当于这个人的数字孪生，不仅可以复现个体的学习行为特征，还揭示了神经兴奋如何影响学习效率。这一研究为理解学习能力背后的神经生理机制提供了新视角。
资料来源：https://www.science.org/doi/10.1126/sciadv.adq9990
参考文献：Anthony Strock et al. ,Personalized deep neural networks reveal mechanisms of math learning disabilities in children.Sci. Adv.11,eadq9990(2025).
强大的分子光谱分析大模型
医生们经常用光谱分析来检测体液中的各种分子，以诊断疾病，确认我们的健康状态。《自然·机器智能》杂志最近发表了一篇文章，报告了一个光谱分析大模型DSCF。这个模型能同时看懂红外、拉曼、紫外等多种光谱"语言"，而且与设备和样本无关。随着分析的光谱数据量突破10万份后， DSCF变得极为强大，灵敏度足以检测到痕量物质，相当于在游泳池里找一粒盐。
资料来源：https://www.nature.com/articles/s42256-025-01027-5
参考文献：Xue, B., Bi, X., Dong, Z. et al. Deep spectral component filtering as a foundation model for spectral analysis demonstrated in metabolic profiling. Nat Mach Intell 7, 743–757 (2025).
自行组队的无人机群
如何让一群无人机在森林、工业区等复杂环境下迅速飞行而互不撞机？上海交通大学的研究者最近在《自然·机器智能》杂志发表了一篇文章，用物理模拟器来训练一个端到端神经网络，从视觉信号直接生成飞行控制信号，实现了复杂场景下的快速、协同飞行。在森林中测试时，他们的无人机群可以以每秒20米的速度高速飞行，既不撞树，也不互相碰撞。值得一提的是，他们的方法计算消耗很低，能在上百元的低端硬件上运行。
资料来源：https://www.nature.com/articles/s42256-025-01048-0
参考文献：Zhang, Y., Hu, Y., Song, Y. et al. Learning vision-based agile flight via differentiable physics. Nat Mach Intell 7, 954–966 (2025).