个性化医疗和医疗物联网（IoMT）的快速发展促使人们迫切需要可穿戴能量收集设备，以确保即使在皮肤变形的情况下也能提供充足的电源。在所有替代方案中，声能作为一种无处不在且可再生的能源，在过去几十年中一直是重要的焦点。它可以在无直接接触的情况下被收集，使其非侵入式且与无电池的可穿戴设备和灵活的生物电子产品兼容，适用于个性化和数字化医疗。例如，以高频声波为特征的发声中固有的能量，蕴藏着转化为电能的巨大潜力。然而，声能收集的可行性主要受其低功率密度和现有收集策略的低效率所限制。

因此，探索一种高效的声能收集方法是一个重要的焦点。目前大多数的研究集中在压电纳米发电机（PENG）上，因为声波是机械的和纵向的，有效地激发压电材料产生电力。然而，有限的声电转换效率和复杂的制造要求限制了PENG作为高效声能收集器的广泛应用。此外，大多数设备主要在高频范围内运行，通常在几千赫兹甚至兆赫范围内，而现实生活中可用的声源主要由低频成分组成，使它们效率低下。

纳米纤维声能收割器（NAEHs）已成为有效的可穿戴平台，用于分布式电力能源系统中的噪声转电能转换，以及辅助听力设备的可穿戴声音放大器。然而，它们在实际应用中的效能受到低功率输出的阻碍，特别是在低频范围（<1 kHz）。本研究引入了一种新方法来提高NAEHs的性能，通过应用机器学习（ML）技术指导聚偏二氟乙烯（PVDF）/聚氨酯（PU）纳米纤维的静电纺丝合成，优化其在可穿戴NAEHs中的应用。我们使用前馈神经网络，结合解决优化问题，找到电纺丝（应用电压、喷嘴-收集器距离、电纺时间和鼓转速）的最优输入值，以产生最大的输出性能（声能转电能转换效率）。我们首先准备了一个数据集，用于训练网络以高准确性预测给定输入变量的输出功率。引入神经网络后，我们固定网络，然后使用遗传算法解决优化问题，寻找导致最大能量收割效率的输入值。我们的ML引导的可穿戴PVDF/PU NAEH平台可以在周围噪声水平下提供最大829 µW/cm3的声电功率密度输出。此外，我们的系统可以在宽频率范围（0.1-2 kHz）稳定工作，能量转换效率高达66%。这项工作提供了一条新的思路，利用ML推进具有出色实用性的可穿戴NAEHs。后续优化工作还在探索之中。

朱杨志博士目前是寺崎生物医学创新研究所助理教授，2019年在加州大学河滨分校获得化学工程专业博士学位。在加入寺崎研究所前曾于加州大学圣地亚哥分校作为博士后主持领导柔性电子相关研发课题。目前其团队工作重点是开发有潜力商业转化的个性化医疗的柔性电子产品，包括智能隐形眼镜，可穿戴和可植入诊疗一体化系统的设计与制备。朱杨志教授团队长期接受访问学者、博后申请，欢迎有兴趣的同仁致邮yzhu@terasaki.org。

Kouchehbaghi NH, Yousefzadeh M, Gharehaghaji A, et al. A machine learning-guided design and manufacturing of wearable nanofibrous acoustic energy harvesters. Nano Research, 2024, https://doi.org/10.1007/s12274-024-6613-6.