近年来，工程师们开发了一系列越来越复杂的传感器，用于机器人、便携式、可穿戴甚至植入式监测。然后，可以使用最先进的机器学习来分析这些传感器收集的数据，使设备能够识别音频中的特定声音、图像中的对象或其他信息。加州大学洛杉矶分校（UCLA）的研究人员最近开发了一种创新的液态声学传感器，该传感器与机器学习相结合，即使在嘈杂的环境中也能高精度地识别声音。《自然电子学》上的一篇论文中介绍了这种传感器，其灵感来源于许多鲸鱼物种（包括海豚和抹香鲸）前额的脂肪器官。“我们的工作受到鲸鱼额头中的脂肪组织的启发，”该论文的通讯作者陈俊（Jun Chen音译）说，“脂肪组织集中并调节用于回声定位的发声，将其声学特性与周围的水体相匹配，从而使声音以最小的能量损失传播。”在他们最近的研究中，陈和他的同事着手开发一种很有前景的新型传感系统，该系统可以模拟鲸鱼额头中脂肪器官的功能。与脂肪组织类似，该传感器可以帮助减少能量损失并最大限度地减少低频噪声，从而实现声学数据的节能收集，同时还可以提高其 AI 驱动的传感系统识别声音的准确性。“人工智能在我们的感测系统中发挥着关键作用，特别是支持语音识别，”陈解释说，“得益于液态声学传感器捕获的低噪声信号，该系统在深度学习算法的支持下实现了高识别率。”研究人员开发的传感器由基于钕-铁-硼磁性纳米颗粒的三维定向和分支磁网络结构组成。这些纳米颗粒悬浮在载液中，共同表现为一块磁铁。

传统的声学传感器通过检测材料的变形和声压引起的振动来拾取周围环境中的声音。虽然该系统在许多日常环境中都有效，但在更复杂的场景中，例如水下或非常嘈杂的环境中，它的效果就不那么好了。“我们最大的成果之一是引入了用于声学感测的新型液态材料，这些材料已经表现出优良的性能，”陈说。“这些传感器不仅在空气中有效，还可以用于海洋等水下环境，如检测海洋动物和其他应用。”在初步测试中，陈和他的同事发现这种液态声学传感器可以分辨低至 0.9 Pa 的微小压力，同时还具有 69.1 dB 的高信噪比。此外，传感器的自滤波功能使其能够可靠地降低来自生物力学运动的 30 Hz 以下的低频噪声。在嘈杂的环境中，研究人员开发的 AI 驱动的声学传感系统被发现能够以高达99% 的惊人准确率识别声音。因此，在未来，它可以用于在水下或其他不寻常的环境中收集声学数据，这对于环境监测、海洋作业和其他实际应用可能很有价值。“在我们的下一步研究中，我们将利用人工智能来优化传感器内部的液态材料，使其能够选择性地应用主动降噪技术以实现更广泛的应用，”陈补充道。