柔性壓力傳感器能夠仿效人類皮膚的機械感受器，將觸覺刺激轉換為定量的電信號，在智能機器人、健康監測和人機接口等領域展現出廣闊的應用前景。傳統的傳感器設計通常依賴于耗時的實驗和模擬過程，通過正向結構-性能的設計路徑逐步探索可能的解決方案。這種方式不僅耗費時間和資源，而且每次實驗往往只能針對特定材料找到一個優化的結構，難以實現廣泛的線性響應。相比之下，逆向設計方法則從預期的輸出特性入手，推導出所需的輸入參數，理論上能夠更高效地達到目標功能。然而，傳感器的應用場景和設計需求多樣復雜，導致常規依賴大量數據的設計方法難以有效執行（如圖1）。因此，如何減少所需的數據量并實現高效的逆向設計，成為推動柔性壓力傳感器領域發展的關鍵問題。

為了克服這些挑戰，南方科技大學郭傳飛教授、香港大學方絢萊教授研究團隊合作提出了一種高效的逆向設計方法，通過引入降階模型來限制設計范圍，并提出了“跳躍選擇”方法以提高數據篩選效率。相關成果以“Data-driven inverse design of flexible pressure sensors”為題發表在《美國國家科學院院刊》（PNAS）上。這項研究的主要貢獻者包括劉之光、蔡旻堃、洪申達、石君利等人。通訊作者為南方科大郭傳飛教授和香港大學方絢萊教授。南方科技大學為該論文的第一通信單位。

具體而言，降階模型通過解析方法確定內部約束條件，避免了昂貴的實驗和模擬，大幅降低了模型分析的成本。該方法通過限制設計范圍，將設計空間縮小至原先的四分之一甚至更少，從而減少了數據需求量（如圖2所示）。此外，“跳躍選擇”方法通過訓練代理模型來預測結構性能評分，并迭代更新數據集和模型，以六倍于傳統隨機選擇的效率進行數據篩選，從而快速找到具有高線性響應的微結構設計方案（如圖3所示）。

通過應用這一高效的逆向設計方法，研究團隊成功預測并實驗證明了多種具備線性響應的柔性壓力傳感器微結構設計（如圖4所示）。實驗結果表明，這些傳感器在動態和循環加載條件下表現出良好的線性特性和靈敏度。尤其是，設計的線性傳感器陣列在各種位置和加載條件下，均能輸出與負載成正比的總電容信號，從而大幅簡化了數據處理的復雜性。

團隊采用摩方精密nanoArch®S130（精度：2 μm）3D打印設備，實現了所設計的復雜凸起結構模板的高精度打印（最小橫向寬度：10 μm，高度范圍：10~73 μm），并結合翻模技術制備了柔性PVA-H3PO4微結構離電功能層（圖5）。

此外，所設計結構的線性響應還能夠應用于多種不同材料和測試條件，證明了該方法的廣泛適用性和有效性，為智能機器人、高級醫療和人機接口等多種應用場景提供了器件設計的技術途徑（如圖6）。

本研究得到了國家自然科學基金、廣東省科技廳和深圳市科創局的支持。