两名中国博士发明神奇材料，灵感来自巴甫洛夫的狗|独家专访
纵观自然界的各种生物体，不论是形貌结构、还是物理化学特性，都完美地适应着大自然的各种变化与挑战。正如 DNA 的发现者之一、诺贝尔生理及医学奖得主 Francis Crick 说过的，“生物是进化而来的，而不是被设计的。” 那么将其带入到科研领域，又能给研究人员带来怎样的启发？
来自芬兰阿尔托大学（Aalto University） 和坦佩雷大学（Tampere University）的研究人员受到启发，开始重新审视拥有不同功能性的仿生材料，并产生了一个大胆的想法：人工材料能否通过某种方式，比如自我学习，产生适应环境的自我进化？
研究人员因此投入到对材料 “自我学习” 的研究，并开发出一种特殊的 “液晶网络执行器”，这让他们可以“训练” 塑料片在光线的控制下行走。该方法的研究论文发表在了最新一期的 Matter 杂志上，这是他们合成的执行器第一次根据其过去的经验来 “学习” 新的技巧，而并不需要计算机编程。
动图 | 正在 行走 的塑料片(来源:曾浩、张航)
这些由热响应液晶聚合物网络和染料涂层制成的塑料被称为 软发动机，它可以将能量转化为机械运动。在研究的初始阶段，执行器只能响应热量，但通过将光与热量相结合，它学会了响应光。它的反应方式与人类卷曲食指的动作非常相似。当发动机被照射时，它通过自身弯曲进行周期性蠕动。它的行走 速度为 1 mm/s，类似蜗牛的步伐。
该论文的并列第一作者曾浩博士和张航博士都来自中国，目前在芬兰进行博士后研究工作。论文的另外两位作者，分别是阿尔托大学的教授 Olli Ikkala 和坦佩雷大学的教授 Arri Priim?gi。
DeepTech 与两位中国作品进行了深入交流，了解了这项研究和他们的学习经验。
灵感源于巴浦洛夫的狗此前，传统的记忆材料或具有响应性的智能材料都是人工设计的。换句话说，其记忆形状和变形是从分子层面或结构力学角度设计的，其目的是更好地实现人工控制。
但这种能够 “自我学习” 的材料是如何炼成的？
曾浩告诉 DeepTech ：“我们这项实验的设计灵感，来自于巴浦洛夫的狗的条件反射实验。”
巴普洛夫的条件反射实验是这样的：狗在食物面前流口水，但一开始听到铃声时不会有反应。然而，当食物反复出现在铃声中时，狗会把食物和铃声联系在脑海中。之后，只要你听到铃声，即使你看不到食物，狗也会流口水。
“如果将智能材料的各种响应（如形状改变）类比于狗的流口水，而各种外界刺激（如光、热），看成是对狗体现的食物和铃声。那一种材料能够实现自我学习，就意味着它对原本中性的刺激产生了条件反射。”曾浩说道。
在他们设计的液晶网络执行器中，材料 的学习过程 是基于染料的扩散：材料在加热时会变形，在光下不会移动。然而，当加热与光并存时，附着在薄膜一侧的染料颗粒会迅速扩散到液晶网络（体材料）中，从而大大提高材料对光的吸收能力和光热效应。简单的加热或光不会使染料明显扩散。因此，在这种 训练 之后，材料获得了对光的响应——即获得了条件反射。
图 | 经典条件执行器(来源:Matter）
坦佩雷大学的教授，也是本文的作者之一 Arri Priim?gi 表示：“我们的研究本质上是在问一个无生命的材料是否能以一种非常简单的方式学习的问题。我的同事，阿尔托大学的 Olli Ikkala 教授提出了如果材料可以学习会意味着神秘？这引发了我们的兴趣。”
很多人会说，我们把自学设计的小软体机器人比得太远了。Arri Priim?gi 说：从某种意义上说，这些人是正确的，因为我们研究的材料比生物系统简单有限。但即使在他们正确的情况下，我们的研究和巴浦洛夫实验的隐喻仍然是正确的。
张航对 DeepTech 说：大多数传统的软机器人都对外部刺激有响应性，如光或气压。但这种响应通常不会随着时间或自己的经验而改变。我们的研究主要是使材料具有通过条件反射获得新响应的能力。虽然这种能力仍然非常原始和简单，在机制上与生物体的学习完全不同，但它的外部性能符合经典条件反射的逻辑。
“而这正是我们的设计与之前相关研究的最大不同之处。”张航说，“我们预计拥有‘自我学习’能力的软体机器人，会成为该领域的下一个突破方向，并最终给人们带来更加智能化的软体机器人。”
图 |由人造巴甫洛夫狗(来源:曾浩、张航)制成的液晶聚合物网络
对于下一项研究，他们表示，下一步是提高系统的复杂性和可控性，以找到生物系统类比的极限。曾浩说：我们的最终目标是实现人工材料的深度仿生和软机器人的高度自动化。
针对 DeepTech 关于其在应用角度的提问，张航表示：“从这种材料的特性来看，它能作为可远程控制的可调软微型机器人，未来会是生物医学应用的理想材料。但就目前而言，这项研究还处于初级理论阶段，距离实际应用仍有一定距离。”
对于下一步的研究，张航和曾浩也有类似的计划：我们将继续关注能够实现经典条件反射的越来越好的材料系统。从长远来看，具有经典条件反射能力是使材料具有真正复杂学习能力的第一步。这些材料预计将为我们带来更智能、更适应环境、独立学习和进化的机器人或其他人工系统。
二人的学习经历
图 | 曾浩博士 (来源:我提供)
曾浩，本科和硕士均毕业于南开大学物理学院，分别在 2008 年和 2011 年获得了光子学与技术的学士和硕士研究生学位。在 2011 年到 2015 年期间，在意大利的佛罗伦萨大学读博士，师从 Diederik Wiersma 教授，也正是在博士期间，开始接触到液晶聚合物人工肌肉材料，以及其激光微结构加工技术的研究
2016年 ，他去芬兰坦佩雷大学，跟随 Arri Priim?gi 教授进行博士后研究，并于 2018 年获得了芬兰国家学院博后研究员称号。曾浩长期从事光控微型机器人的开发研究，力图在光响应智能材料中实现复杂的自适应功能。
他偶然接触到芬兰阿尔托大学的 Olli Ikkala 教授被这种富有想象力的自学 材料的研究理念深深吸引。然后，他和 Olli Ikkala 研究小组博后研究员张航共同设计了具体的实验方案。最后，在两个研究小组的共同努力下，在 Matter 上发表的工作。
图 | 张航博士（来源：本人提供）
张航本科毕业于同济大学材料科学与工程专业，硕士毕业于德国亚琛理工大学化学专业。2017年，他在亚琛莱布尼茨交互材料研究所获得博士学位，研究基于水凝胶的光驱动软微机器人。随后，他在芬兰阿尔托大学进行了博士后研究。
他的研究方向主要包括等离子体纳米颗粒的自组装、可编程凝胶和软机器人。长期以来，张航一直对使用人造材料实现各种生物拟态和仿生功能非常感兴趣，因此他加入了阿尔托大学 Olli Ikkala 教授的课题组，从事在人造材料里实现自主学习功能的研究。
