A mechanically embodied, double-network hydrogel adaptive memory element for reprogrammable actuation

生命体不仅仅是对世界做出反应，它们还拥有记忆。经过锻炼的肌肉对新负荷的反应会不同于休息后的肌肉，而神经系统则通过根据过去的经验改变处理未来信号的方式来进行学习。这种存储一种改变材料行为的内部状态的能力是生物学的标志，然而大多数人造机器都缺乏这种能力。例如，一个合成机器人手臂是根据一套固定的指令构建的：按下按钮，它就会移动特定的距离。它不会从运动中学习，也不会根据它之前移动了多少次来改变其行为。科学家们长期以来一直试图在软材料中注入“物理智能”，创造出无需中央计算机即可进行感知、决策和行动的设备。挑战在于，如何让这些材料不仅是将历史作为一种暂时的回声，而是作为一种可以被刻意改变的、稳定的、可重写的状态，就像在纸上书写和擦除笔记一样。

布里斯托大学和澳大利亚国立大学的研究人员开发出了一种能够实现这种机械记忆的软性水基材料。他们创造了一种水凝胶驱动器，这是一种由类胶质物质制成的细棒，在暴露于光照时会发生弯曲。这种材料的独特之处在于它将两种不同的行为结合到了单一结构中。水凝胶的一部分对光做出即时反应，快速弯曲，然后缓慢恢复到原始形状，就像一个随时间流逝而失去张力的弹簧。水凝胶的另一部分则保留了它所见光的记忆，以一种持续数天的方式改变其内部刚度。通过将这两部分连接在一起，研究人员构建了一个可以经过训练从而比平时弯曲更多或更少的设备，并且可以经过再训练恢复到原始行为，同时始终保持湿润和柔韧。

该材料由两套交织在一起的分子网络构成。第一套网络包含金纳米颗粒和一种热敏聚合物。当激光照射在这部分水凝胶上时，金颗粒会升温，导致聚合物收缩并使细棒弯曲。这种反应是快速且可逆的；一旦光照停止，水凝胶会冷却并缓慢恢复到笔直的状态。如果脉冲式地快速连续照射且中间有较长间隔，水凝胶每次都会回到起始位置。然而，如果脉冲频率很高，水凝гель就没有足够的时间完全放松，弯曲程度就会发生累积。这种行为被称为“漏积分器”（leaky integrator），即材料会短暂地记住近期的事件，但随着热量消散和内部水分重新分布，最终会遗忘这些事件。

为了赋予水凝胶永久的记忆，研究人员加入了包含一种名为偶氮苯（azobenzene）的特殊分子的第二套网络。这种分子可以根据接收到的光颜色在两种不同的形状（或异构体）之间切换。一种形状是稳定且坚硬的，另一种则不太稳定且较软。至关重要的是，一旦分子切换到坚硬状态，它就会在那里停留很长时间，除非受到特定颜色的光照射才会切换回来。当研究人员构建这种双网络水凝胶时，他们发现弯曲处的刚度取决于偶氮苯分子处于哪种形状。如果分子处于坚硬状态，水凝胶在受到激光照射时会弯曲得更剧烈；如果分子处于柔软状态，水凝胶的弯曲程度则较小。

团队展示了他们如何利用光将一种新行为“写入”水凝胶中。通过将蓝色激光照射在最初处于柔软状态的胶质铰链处，他们迫使分子切换到坚硬状态。经过这种训练后，即使使用与之前完全相同的标准激光脉冲进行测试，水凝胶也会表现出显著的弯曲。这种弯曲程度的增加并非临时效应；它能持续数天。研究人员随后展示了这种记忆是可以被擦除的。通过将绿色激光照射在铰链处一小时，他们将分子切换回柔软状态，水凝胶便恢复了原始的、反应性较低的行为。他们随后可以再次写入坚硬状态，证明了这种材料可以反复进行重编程，而不会发生降解或需要干燥。

这项工作排除了这种行为变化是由简单的疲劳或材料损伤引起的可能性。水凝胶并没有仅仅因为“累了”而停止弯曲；它实际上是主动改变了对相同输入的响应方式。它还表明，这种记忆不仅仅是由于干燥而保持的固定形状，正如在某些其他“形状记忆”材料中所见。相反，记忆存储在分子本身的化学状态中，这种状态改变了运行过程中的湿润水凝胶的机械特性。研究人员发现，这种效应是不对称的：将分子切换到坚硬状态会增加弯曲，但将它们切换回原状并不会以完全对称的方式减少弯曲。这表明，刚度的变化改变了力在水凝胶厚度方向上的传递方式，产生了一种取决于材料历史的非线性响应。

这项发现的重要性在于它改变了我们对软体机器的认知方式。与其构建一个依赖外部传感器和计算机来决定如何移动的机器人，不如让这种材料在其自身结构中体现决策过程。它可以“通过实践来学习”，根据其经历调整响应，并在情况变化时“忘掉”这种行为。研究人员将其描述为一个“忆阻”（memristive）系统，这是一个借用自电子学的术语，用于描述电阻取决于其历史的组件。在这种情况下，水凝胶的机械阻抗会根据它吸收的光线而改变。通过将一个快速反应系统与一个缓慢持久的系统耦合，团队创造出了一种可以存储信息并利用信息来修改其未来行为的材料。这种方法为开发适应性软体机器提供了一条新路径，使其能够在不可预测的环境中运行，通过与环境的交互进行学习，并在无需复杂外部控制系统的情况下调整其行为。