柔性可穿戴电子器件近年来在健康监测、电子皮肤和人机交互等领域展现出广阔应用前景。其中，能够同时获取多种生理与环境信号的多模态传感器，是实现高性能智能感知系统的关键基础。应变与温度作为人体运动和生理状态监测中的两类重要参数，若能在同一柔性平台中实现同步、稳定、低串扰检测，将为下一代可穿戴电子和智能人机交互系统提供重要支撑。
然而，现有应变-温度双模态传感器通常面临信号串扰与结构复杂度之间的矛盾。一类传感器设计依赖同一导电通道同时响应应变与温度，虽然结构简单，但机械形变与温度变化会耦合到同一电信号中，导致信号解耦困难；另一类传感器设计通过集成不同材料或不同传感单元实现独立检测，虽然能够降低串扰，却往往引入多材料堆叠、复杂互联或多步工艺，限制了器件的小型化、柔性程度与大面积集成潜力。
近日，我院余林蔚教授团队基于自主发展的平面固-液-固（in-plane solid-liquid-solid, IPSLS）硅纳米线生长机制，提出了一种形貌可编程、横纵正交排列的硅纳米线阵列设计策略，在单一硅纳米线材料体系内实现了应变与温度双模态传感的结构解耦。最终双模态传感器实现了最高达155的灵敏度系数（GF）、20-97 ℃的温度检测范围，并在0.3%应变下经历40000次循环后仍保持稳定输出。同时，研究团队进一步引入卷积神经网络（CNN）算法，对复杂应变-温度耦合信号进行分类识别，实现了结构设计与智能算法协同的双模态传感新方案。
图1. 正交排列硅纳米线应变-温度双模态传感器的概念与工作原理。
关键突破：基于形貌编程的正交解耦设计
研究团队并未采用传统的异质材料堆叠方式来构建应变与温度两个独立传感单元，而是在同一种硅纳米线材料体系中，通过形貌编程和正交排列通道的设计赋予硅纳米线通道不同的传感功能。
具体而言，平行于拉伸方向的蛇形硅纳米线通道在受到外界拉伸时，其几何形变和硅纳米线本征压阻效应共同引起电阻变化，从而实现高灵敏应变检测。而垂直于拉伸方向的直线硅纳米线通道在平行拉伸过程中应力集中较小，因此表现出对横向拉伸不敏感的特性，可作为稳定的温度传感单元。这种横纵正交排列结构从器件构型层面实现了应变与温度的天然区分，避免了传统单通道双模态器件中容易存在的信号串扰问题。
图2. 形貌可编程正交硅纳米线阵列的制备流程与形貌表征。
器件设计：IPSLS实现高质量正交硅纳米线阵列
研究团队首先通过台阶边缘定义平面生长路径，沉积铟（In）催化剂薄膜，并经氢等离子体处理形成催化液滴；随后沉积氢化非晶硅前驱体层，并在约300 ℃条件下激活硅纳米线生长。在该过程中，铟液滴吸收周围非晶硅组分并沿预设台阶边缘滚动，持续“挤出”晶体硅纳米线，最终形成具有特定形貌和方向的硅纳米线阵列。
为构筑柔性双模态传感器，研究团队将生长得到的硅纳米线阵列通过PVA辅助转移工艺集成至聚酰亚胺（PI）柔性衬底上，并沉积金属电极形成欧姆接触。显微和扫描电子显微表征显示，蛇形硅纳米线具有连续、平滑的弯曲结构，直线硅纳米线则保持高度排列一致性。两类通道的硅纳米线直径分布均匀，具有较好的尺寸一致性，为器件阵列化集成和通道间性能一致性提供了结构基础。
图3. 蛇形硅纳米线应变传感通道的电学响应及拉伸后相应电学性能测试。
图4. 直线硅纳米线温度传感通道的温度响应与解耦验证。
性能验证：高灵敏应变响应与稳定温度监测
在应变传感方面，蛇形应变传感通道在不同温度条件下均表现出稳定、可重复的电流响应。随着外加应变增大，通道电流单调降低，对应电阻显著增加。测试结果表明，该器件在低应变范围内表现出较高应变灵敏度，最大应变系数（gauge factor, GF）可达155，说明蛇形硅纳米线结构能够将微小机械形变高效转化为电信号。
在温度传感方面，直线垂直通道在20-97 ℃范围内表现出稳定的温度响应，并呈现负温度电阻系数特征。进一步测试表明，在施加平行拉伸应变时，温度通道仍保持几乎一致的温度响应曲线，验证了该垂直通道对应变具有较低敏感性，可作为可靠的温度检测单元。
图5. 双模态传感器的循环稳定性，可穿戴应用验证，CNN分类与阵列化展示
稳定性与应用演示：可穿戴健康监测与智能解耦
面向实际可穿戴应用，研究团队对传感器进行了循环加载测试，结果显示，在0.3%应变下经历40000次循环加载后，器件仍保持稳定的电阻响应，显示出优异的机械耐久性和电学可靠性。在进一步的应用演示中，研究团队将器件贴附于人体前臂，实现了运动状态下体表温度变化的实时监测。同时，将器件贴附于手腕和肘部关节处，可清晰捕捉弯曲与释放过程中的动态电信号，实现对人体关节运动的稳定识别。
尽管横纵正交结构显著降低了应变与温度之间的串扰，但由于硅纳米线本身具有半导体温度响应特性，应变通道仍不可避免地存在对温度的响应。针对这一问题，研究团队进一步构建了3×3双模态传感器阵列，并基于不同应变和温度组合下的阵列电阻变化数据训练卷积神经网络模型。结果显示，该CNN分类器能够在20-97 ℃宽温度范围内，对不同应变状态进行准确识别，分类准确率达到约95%。这说明该器件不仅能够完成简单的双参数读取，还可结合数据驱动算法实现复杂多物理场刺激下的智能识别，为后续发展阵列化、多模态、智能化可穿戴感知系统提供了新的技术路径。
该工作近期以“Morphology-Programmable Orthogonally Aligned Silicon Nanowire Arrays for Integrated Strain-Temperature Bimodal Sensing”为题发表于《Nano Letters》杂志上。南京大学电子科学与工程学院副研究员宋晓攀和苏州大学秦祯雷同学为论文的共同第一作者，南京邮电大学余林蔚教授、王胜老师和南京大学王军转教授为共同通讯作者。该工作的开展得到了南京邮电大学谌静教授和南京大学陈坤基教授，施毅教授，徐骏教授的支持与指导，受到国家自然科学基金杰出青年基金、国家自然科学基金青年基金、国家重点研发计划、江苏省自然科学基金青年基金的资助。
论文信息：
Morphology-Programmable Orthogonally Aligned Silicon Nanowire Arrays for Integrated Strain-Temperature Bimodal Sensing.
Xiaopan Song1#, Zhenlei Qin2#, Sheng Wang3*, Yang Gu1, Jincheng Liu2, Qi Zhou2, Junyu Fan1, Junyang An1, Jing Chen3, Junzhuan Wang1*, Yi Shi1, Linwei Yu1,3*
Corresponding Author: Sheng Wang, Junzhuan Wang, Linwei Yu
Nano Letters, DOI: 10.1021/acs.nanolett.6c00850 (2026)
（撰稿：王胜 编辑：徐伟 审核：谌静）
