第一作者：Gabriel Loke, Tural Khudiyev, Brian Wang, Stephanie Fu, Syamantak Payra, Yorai Shaoul, Johnny Fung, Ioannis Chatziveroglou, Pin-Wen Chou, Itamar Chinn, Wei Yan, Anna Gitelson-Kahn, John Joannopoulos & Yoel Fink
通訊作者：周平文 魏燕
通訊單位：自然通訊
研究亮點：本研究旨在引入具有多種獨特特征的纖維鏈：第一是將數字元件引入靈活的聚合纖維鏈中。第二是解除單光纖、單設備的限制，使單個光纖能夠提供可擴展的多種可解決的數字功能。第三是通過光纖終止時單個連接端口訪問光纖內部的設備組合。第四是使纖維收集的感官輸入能夠存儲在纖維本身中。最后，我們的目標是存儲在光纖中，不僅感覺數據，但神經網絡訓練從它推斷上下文。
成果簡介
要點一:數字纖維的制造
繪制的光纖包含連續域，提供創建與沿光纖整個長度嵌入的設備相連的均勻導電式總線的機會。這允許減少離散電氣連接的數量，而離散電氣連接是機電脆弱性的主要來源。在這里，數百個可單獨解決的數字設備在光纖繪圖過程中（即繪制后不可行）進行原地電氣連接，所有設備都可以在同一光纖內數字通信總線上訪問。
要點二：纖維和織物中的數字尋址和內存存儲
離散的光纖內電子設備均勻地定位在光纖沿線的不同空間位置，每個設備都提供不同的功能，如傳感、數據存儲或光纖內算法的存儲（圖1e）。通過發送數字1和0的獨特串行組合，可以"打開"沿光纖具有正確匹配數字地址的設備，以激活其內部功能，其中包括內存或傳感方式。為此，我們實施了數字地址協議，特別是I2C協議，在光纖內。光纖中每個設備的等效邏輯電路由XNOR和和門組成，如圖2a所強調的。通過此數字協議，我們顯示多個光纖內設備可以共享相同的四個鎢線電極，但通過具有不同的數字地址，它們在邏輯上彼此隔離，因此我們能夠獨立地在光纖上不同空間位置對單獨的設備及其相應功能進行定位（如圖所示，在 5 厘米、40 厘米、70 厘米）（圖2a）。
要點三：生理監測
此架構提供的另一種可能性涉及設備之間通過數字信號進行光纖內通信。制造出一種數字纖維，由同一鏈條上的記憶和溫度感應 （MT） 功能混合而成。圖4a顯示了 MT 光纖的示意圖，該示意圖與光纖長度的其他內存單元相連的離散數字熱病器設備。在此光纖中，溫度輸入通過熱病器設備檢測并從模擬信號轉換為本地數字信號。這些數字信號隨后被傳達到光纖內的存儲單元進行存儲。圖4b顯示 16 位溫度讀數，該讀數由熱病器設備感知，然后存儲在內存單元中并從內存單元中讀取。我們還注意到，與以前的光纖不同，此工作展示了第一條包含相互關聯的不同功能的光纖鏈，這些功能可在光纖的不同長度上進行處理9，10，11受制于相同功能沿其長度。
要點四:織物中的機器學習推論
然后，此體溫數據集用于訓練神經網絡，以檢測和分類感官輸入的特征，在此例中，不同人類活動的溫度-時間模式（補充圖10），從而能夠根據體溫變化對四種不同的活動（坐、立、走和跑步）進行分類。為了訓練這個網絡，將1800個溫度值部分（每個部分跨越12個部分，相當于四個類）作為輸入輸入到一個匯總神經網絡中。優化了層數和節點以及重量和偏差值，以提供高訓練精度（20 個訓練過程的平均 97.9 ± 0.7%）（參見神經網絡上的更多詳細信息方法）。訓練后，重量和偏差的值被提取并減少到兩個重要數字，以產生一個壓縮的神經網絡。此壓縮神經網絡，包括用于功能選擇的數學方程， 兩個卷積濾鏡中使用的重量、偏差和 ReLu 功能、矩陣乘法和添加代碼以及用于層操作的加法，以及四層神經網絡的重量、偏差和激活功能（6 乘 50 乘 25 乘 4 個神經元，共 1650 個神經元連接），都存儲在織物內光纖的數字存儲器中（圖5a）。圖5b顯示了光纖中發生的神經網絡的具體過程流，從感應溫度數據的輸入到決策輸出。對應未知活動的 12s 溫度測量樣本（最初由纖維內熱質器感知）作為輸入數字光纖內的壓縮神經網絡。存儲在光纖內存中的算法隨后對樣本執行以下操作：首先，從 12s 測量中計算選定的特征（標準偏差、平均正差和平均負差）。接下來，這三個輸入功能被輸入到兩個連續的卷積層與六個過濾器，然后執行扁平化和最大池。然后，輸出被輸入到神經網絡中，其中有四層，以產生四種不同活動的預測概率。選擇概率最高的活動作為最終輸出。然后，這些決策輸出存儲在光纖中。為了評估決策的準確性，將輸出決策與實際活動進行比較。用于人類活動識別的結構內神經網絡的測試精度達到 96.4% （圖5c）。我們展示了具有機器學習推理能力的織物的一些潛在應用：例如，針對個體的實時活動跟蹤，加上檢測溫度異常的能力，可以為體溫過高（補充圖11）等疾病提供早期預警信號，或協助在較大人群中早期發現 COVID-19 等疾病。
小結
總之，采用了數十米的聚合物纖維，展示數字傳感和數字存儲器，總存儲容量為 +7.6 × 105每米內存位。光纖末端的單個連接用于獨立訪問多個設備，從而能夠從單個光纖中執行多種功能，從而克服以前方法面臨的單光纖單設備限制。將所需的電氣連接數量減少到單個終端解決了環境和可靠性脆弱性的主要來源。使用單根光纖收集和存儲 270 分鐘的表面體溫數據，在多日內和各種物理活動中，可以證明這種方法的效用。具有 1650 神經元連接的神經網絡根據溫度時間活動相關性進行訓練，隨后存儲在同一光纖中。當呈現一個未知的溫度時間數據集時，光纖根據 12s 的溫度讀數推斷出物理活動的類型，準確度為 96%。在功能纖維和織物與人體非常接近的各種應用中，測量和存儲包含推理算法的數字信息的能力提供了有趣的機會，包括自主藥物輸送23， 神經接口18， 個人熱管理24，和計算織物2.
參考文獻
