Overcoming conventional trade-offs in strain sensing with physics-guided inverse design of aperiodic architected nanocomposites

기술 요약: 비주기적 구조화 나노복합체의 물리 기반 역설계(Physics-Guided Inverse Design)를 통한 기존 트레이드오프 극복

문제 정의
대변형 압전 저항 센서는 소프트 로보틱스와 웨어러블 전자 기기에 필수적이지만, 민감도(게이지 팩터, $GF$), 선형성($R^2$), 그리고 사용 가능한 변형 범위 사이의 내재적인 트레이드오프에 의해 제약을 받는다. 전도성 필러(예: 탄소 나노튜브, CNT)를 탄성체 매트릭스(예: PDMS)에 혼합하여 형성된 기존의 초탄성 나노복합체는 기하학적 변형과 변형 의존적 터널링으로 인해 비선형적인 전기-기계적 응답을 보인다. 이러한 비선형성은 타협을 강요한다: 퍼콜레이션 임계값 근처의 재료는 높은 민감도를 제공하지만 선형성과 변형 범위가 낮고, 더 견고한 재 liệu는 민감도를 희생하여 선형성을 확보한다. 기존의 구조적 접근 방식(예: 억제성(auxetic) 기판, 주름진 표면)은 기계적 층과 감지 층을 분리하는 데 그쳐, 성능 범위를 근본적으로 변화시킬 수 있는 상호 의존적 시스템을 구축하는 데 실패했다.

방법론
저자들은 재료 조성 최적화에서 **구조적 역설계(Architectural Inverse Design)**로의 패러다임 전환을 제안한다. 방법론은 세 가지 통합된 구성 요소로 이루어진다:

1. 비주기적 구조화 나노복합체의 제작:

   • 재료 시스템: 서로 다른 전기-기계적 특성을 가진 구성 재료(재료 A, B, C)를 생성하기 위해 세 가지 뚜렷한 필러 농도(0.23, 0.55, 0.82 vol%)의 CNT-PDMS 복합체를 구성하였다.
   • 인쇄 기술: 이중 시린지 설정을 갖춘 직접 잉크 쓰기(Direct Ink Writing, DIW)를 사용하여 계층적 구조를 제작하였다. 특정 농도를 가진 개별 셀들을 직렬로 인쇄하여 "브랜치(branch)"를 형성하고, 이 브랜치들을 병렬로 연결하여 "네트워크(network)"를 형성하였다. 이를 통해 셀들이 기계적으로 상호 의존적인 비주기적이고 공간적으로 구배(graded)가 있는 구조를 생성하였다.
   • 유변학: 인쇄 중 형상 유지와 필라멘트 안정성을 보장하기 위해 잉크는 허셜-벌클리(Herschel–Bulkley) 유체 거동(항복 응력 및 전단 박화)을 보이도록 설계되었다.

2. 물리 가이드 계층 구조 프레임워크:

   • 모델링: 국부적 셀 거동으로부터 전역적 센서 응답을 예측하는 분석적, 물리 기반 모델을 개발하였다. 이 모델은 다음과 같은 근본적인 물리 법칙에 의존한다:
     • 등응력(Iso-stress) 조건: 브랜치 내에서 직렬로 연결된 셀들은 동일한 응력을 경험하며, 이에 따라 국부적 강성에 기초하여 변형이 재분배된다 ($\sigma_{branch} = \sigma_{cell}$).
     • 등변형(Iso-strain) 조건: 병렬로 연결된 브랜치들은 동일한 전역적 변형을 경험한다.
     • 등가 저항: 브랜치 저항은 직렬 셀 저항의 합이며, 네트워크 저항은 브랜치 저항들의 병렬 조합이다.
   • 역설계: 시행착오 대신, 이 프레임워크는 국부적 구성 관계($\sigma(\varepsilon)$ 및 $R(\varepsilon)$)가 계층 구조를 통해 어떻게 전파되는지 매핑한다. 이를 통해 비용이 많이 드는 실험적 반복 없이도 특정 목표 지표($GF$, $R^2$, 변형 범위)를 충족하는 구성을 식별하기 위한 조합적 설계 공간(수천 개의 잠재적 구조)을 체계적으로 탐색할 수 있다.

3. 실험적 검증:

   • 구성 재료, 개별 브랜치 및 전체 네트워크에 대해 동기화된 기계적 인장 테스트와 4단자 전기 저항 측정을 수행하였다.
   • 실용적인 응용 분야인 호흡 모니터링을 위해 센서의 온-바디(on-body) 테스트를 실시하여 성능을 검증하였다.

주요 결과

• 창발적 성능: 구조화된 메타물질은 균질한 구성 재료의 성능 범위를 초과하는 전기-기계적 응답을 보여주었다. 이 시스템은 변형 재분배와 셀 간의 상호작용으로부터 전역적 응답이 나타나는 비평균화(non-averaging) 거동을 나타냈다.
• 트레이드오프 극복:
  • 높은 선형성: 한 메타물질 설계는 30% 변형 범위에서 $R^2 > 0.98$과 함께 1.55의 게이지 팩터를 달성하였다. 이는 가장 선형적인 균질 구성 재료(Material C, $GF=0.39$)에 비해 4배 높은 민감도를 나타내면서도 극도로 높은 선형성을 유지한 것이다.
  • 높은 민감도: 선형성($R^2 > 0.85$)을 완화하여 민감도를 최적화한 설계는 38% 변형 범위에서 37.5의 게이지 팩터를 달성하였다. 이는 가장 민감한 균질 구성 재료(Material A, $GF=3.59$)와 비교하여 10배 증가한 수치이다. 50%의 더 넓은 변형 범위에 대해서는 2배의 증가(GF 7.11 vs 3.59)가 관찰되었다.
  • 변형 범위: 메타물질은 균질한 대응물보다 훨씬 더 넓은 변형 범위에서 선형 응답을 유지하였다.
• 모델 정확도: 물리 가이드 모델은 센서 성능의 정성적 순위와 반정량적 경향을 성공적으로 예측하였다. 측정된 민감도가 예측값보다 약간 높았으나(셀 경계에서의 모델링되지 않은 기하학적 중첩 때문), 모델은 변형 재분배 메커니즘과 성능 공간의 확장을 정확하게 포착하였다.
• 응용 개념 증명: 호흡 모니터링에서 메타물질 센서는 균질한 복합재에 비해 증폭된 민감도와 선형성을 보여주었으며, 신호 왜곡을 최소화하면서 흉부 확장을 정확하게 추적하였다.

의의 및 주장
본 논문은 전기-기계적 센서 설계의 패러다임 전환을 주장한다. 그 의의는 단일 지표(예: 게이지 팩터)를 극대화하는 것이 아니라, 계층적 조직을 통해 접근 가능해진 확장된 성능 공간을 탐색하는 데 있다.

• 재료에서 구조로: 본 연구는 맞춤형 전기-기계적 응답이 고유한 재료 특성이 아닌 구조적 조직으로부터 발생할 수 있음을 입증한다. 이는 분야의 초점을 화학적 조성 최적화에서 네트워크 토폴로지 엔지니어링으로 이동시킨다.
• 합리적 역설계: 물리 가이드 프레임워크는 센서 개발을 데이터 집약적인 블랙박스 AI 모델이나 비용이 많이 드는 시행착오로부터 해석 가능하고 체계적인 설계 프로세스로 변모시킨다. 이는 높은 민감도, 극도의 선형성 또는 변형에 둔감한 상호 연결 등 특정 애플리케이션 요구 사항에 따라 구조를 합리적으로 선택할 수 있게 한다.
• 보편성: 이 프레임워크는 재료 및 기능에 구애받지 않는 것으로 제시된다. 본 연구에서는 CNT/PDMS 압전 저항 센서를 통해 입증되었으나, 저자들은 이것이 기계적 및 기능적 특성이 상호 작용하는 모든 계층적 시스템에 적용될 수 있다고 명시하며, 횡방향 압전 저항, 압전 커패시턴스 및 소프트 로보틱스, 신축성 트랜지스터, 다중 모드 센싱 등의 분야로 확장될 수 있음을 밝히고 있다.

저자들은 이 접근 방식이 민감도, 선형성 및 변형 범위의 탁월한 조합을 실현하여, 성능이 구조에 의해 결정되는 소프트 전자 시스템의 합리적 설계를 가능하게 한다고 결론짓는다.