9月21日，清华大学柔性电子技术实验室王禾翎副研究员在Nature上发表了一篇题为“A dynamically reprogrammable surface with self-evolving shape morphing”的研究成果，该研究结合力学模型、分布式电磁力驱动、三维成像反馈、数字电路控制，实现了可连续快速变形以复刻各种时变形状的柔性超表面。实验室为论文共同第一作者单位和共同通讯单位。

柔性微波通讯、微小型飞行器是实验室重点布局的方向之一，时间尺度在这些应用中起到关键作用，因而需要器件的形状和结构在时间序列上能够准确调控。现有的图案化技术虽然能够实现复杂的静态形状，却无法准确复刻形状随时间连续变化的过程，即时变形状，其中的一大挑战是建立反问题求解策略，使结构能够变形为各种不同的目标形状。实验室团队与美国西北大学、杜克大学研究团队设计了具有非常规力学行为的柔性超表面，建立力学模型，结合三维成像、数字反馈控制、优化算法，提出了反问题求解策略，指导柔性表面变形准确在时间序列上复刻连续变化的三维目标形状。

可重编程的电磁驱动：该柔性表面由蛇形条带导电网络组成，四周有大量可独立施加电压的端口，用于控制结构内部的电流分布，在静磁场中产生分布可编程的电磁力，实现结构变形。端口电压在数字信号控制下快速改变电流分布，驱动结构变形成为大量不同形状（图1）。

模型驱动的反问题求解策略：通过巧妙结构设计，构建大变形时仍具有近似线性力学行为的柔性结构。基于该非常规力学行为，建立反问题求解策略，实现柔性表面变形成为一系列抽象设计或自然存在的时变目标形状，包括“气泡”生长、运动、分裂、振动过程、水滴落在固体表面散开后聚拢的过程。

数据驱动的反问题求解策略：当存在非线性等复杂物理机制、结构自身缺陷、环境扰动等因素时，上述基于模型的反问题求解策略难以奏效。基于实验的策略通过三维成像实时获取结构的当前形状，通过数字电路控制将形状实时反馈给优化算法，后者优化调整端口电压，形成闭环控制，直到结构形状与目标形状之间误差达到极小，实现柔性表面自主演化到目标形状。该方法不需要物理模型，因而适用于非线性系统，并能够克服结构自身缺陷和环境扰动因素的影响。

光学功能自主学习：除了演化为目标形状，该柔性表面还能够自主演化实现特定功能。在柔性表面上引入反光部件，两束激光照射在柔性表面并反射到一个接收平面。利用类似上述反问题求解策略，柔性表面能够自主演化，实现两束激光在接收平面上汇聚（光学功能），同时保持自身中心高度达到指定目标值（形状功能）。

杜克大学白云博士和清华大学柔性电子技术实验室王禾翎副研究员为该论文的共同第一作者，清华大学柔性电子技术实验室王禾翎副研究员、美国西北大学黄永刚教授、John A. Rogers教授、杜克大学倪小越教授为共同通讯作者。

论文信息：

DOI: https://www.nature.com/articles/s41586-022-05061-w