在生物神经系统中，慢适应 II 型（SA-II）机械感受器扮演着关键角色，它能感知皮肤拉伸并为本体感受提供核心反馈，是人体控制肢体姿态的重要基础。
近日，由普渡大学机械工程学院 Mina Lee、Michael Sotzing、Jue Wang 与 Alex Chortos 组成的研究团队，在《Nature Communications》发表了一项突破性研究 ------ 通过混合 3D 打印技术成功构建出仿生 SA-II 人工传入神经（AAN）系统。这一成果不仅填补了 SA-II 型机械感受器模拟研究的空白，更为神经形态传感技术在假肢、柔性机器人等领域的应用开辟了新路径。图1. 生物传入神经与人工传入神经示意图
01 技术痛点：传统人工传入神经的两大瓶颈人工传入神经作为人机交互、柔性机器人和生物医学设备的核心组件，需同时实现刺激转换与仿生信号生成两大功能。但此前的研究存在明显局限：一方面，多数成果集中于模拟感知静态压力的慢适应 I 型感受器，忽略了对拉伸感知至关重要的 SA-II 型感受器；另一方面，传统制造流程依赖手工集成，不仅耗时耗力，还难以保证产品的一致性和可重复性，严重限制了技术的规模化应用。此外，现有传感器常存在应变范围窄、滞后性强等问题，无法精准复刻生物神经的传感特性。
02 核心创新：混合 3D 打印 + 工程化量子隧穿复合材料该研究的突破点在于将混合 3D 打印技术与新型负压阻复合材料（NPC）相结合，构建了兼具高弹性与高传感性能的人工 SA-II 神经系统。混合 3D 打印平台整合了多材料直接墨水书写（DIW）与表面贴装元件（SMD）拾取 - 放置功能，实现了柔性基底、传感元件、导电互连和刚性电路的一体化制造。这种一体化工艺不仅消除了手工组装的误差，还大幅提升了制造效率，为快速原型开发提供了可能。Alex Chortos 团队此前在柔性电子制造领域已有深入积累，此次通过优化打印参数与材料兼容性，进一步突破了 "刚性电路 - 柔性基底" 的集成难题。而工程化 NPC 材料则是实现仿生传感的关键。Mina Lee 团队在聚氨酯丙烯酸酯弹性体基质中，加入尖刺镍颗粒和邻苯二甲酸二辛酯油，形成了独特的量子隧穿复合材料。油的加入有效降低了颗粒间摩擦，使材料应变范围突破 50%，同时显著减小了滞后性；尖刺镍颗粒通过电场集中效应促进量子隧穿，实现了超过 6 个数量级的电阻变化，完美匹配了生物 SA-II 感受器的信号特征。通过调节镍颗粒浓度、油含量和交联密度，还可精准调控材料的开关电导率、应变灵敏度等关键参数，满足不同应用场景需求。图2. 负压阻复合材料（NPC）的机电特性表征
03 性能验证：精准复刻生物神经的传感特性实验数据显示，该人工 SA-II 神经系统展现出与生物神经高度相似的性能。在应变感知方面，传感器在 10% 应变阈值以上开始响应，随着应变增加，输出信号频率从 0Hz 线性提升至约 107Hz，与生物 SA-II 传入神经的频率调制特性完全一致，且信号幅值始终保持稳定，避免了传统方案中频率与幅值同步变化的缺陷。图3. SA-II 人工传入神经的电路设计与信号输出
在稳定性测试中，该系统经过 100 次 50% 应变循环后，仍能保持稳定的电学性能，初期 15 次循环后的微小漂移会逐渐趋于平稳。更值得关注的是，该传感器具有极强的刺激选择性，对拉伸应变的响应远高于压力、弯曲、扭转等其他刺激，精准复刻了生物 SA-II 感受器的专属传感特性。图4. 人工 SA-II 机械感受器的传感特性测试
此外，研究团队还开发了配套的专用墨水体系，包括柔性基底墨水、刚性基底墨水、导电墨水和牺牲层墨水。其中，含氟聚合物基底有效防止了 NPC 材料中油分子的扩散，确保了系统的长期稳定性；碘化银与碳纳米管复合导电墨水在 50% 应变下仍能保持低电阻，为信号传输提供了可靠保障。
04 应用场景：从柔性机器人到智能假肢该技术的落地潜力十分广阔。在柔性机器人领域，将人工 SA-II 神经集成到气动执行器表面，可实时监测机器人运动过程中的应变变化，为精准控制提供反馈；在假肢技术中，仿生神经系统能感知肢体姿态变化，通过神经形态信号与生物系统交互，显著提升假肢的操控精度和自然度；此外，该技术还可应用于可穿戴健康监测设备、生物医学植入物等领域，为人体运动监测、神经修复等提供新的解决方案。图5. 混合 3D 打印 SA-II 人工传入神经系统及应用演示
05未来展望：迈向多模态智能传感Mina Lee 与 Alex Chortos 团队的这项研究，不仅实现了 SA-II 型人工传入神经的高效制造，更为神经形态传感技术的发展提供了新范式。未来，通过优化材料配方和打印工艺，有望进一步降低系统功耗，提升长期稳定性；借助 3D 打印的三维成型优势，可开发兼具拉伸、压力、温度等多模态感知功能的集成系统；结合 UV 固化等原位固化技术，还能进一步简化制造流程，推动技术的规模化应用