近日，我校材料科学与工程学院陈莉教授团队在柔性热电材料与自驱动创面治疗领域取得重要进展。研究成果以“Physics-Guided Active Learning Enables Energy-Filtering Flexible Thermoelectric Composites for Self-Powered Wound Bioelectronics”为题，在《Advanced Materials》（《先进材料》）上发表。该研究提出了一种物理引导、数据高效的主动学习框架，成功筛选并实验验证了具有能量过滤效应的柔性热电复合材料，构建了自供能伤口电刺激治疗平台。天津工业大学为该论文的唯一完成单位，材料科学与工程学院2026届硕士毕业生胡金涛为第一作者，何洋和陈莉教授为通讯作者。

电刺激疗法能够模拟人体内源性损伤电场，显著促进细胞定向迁移与组织再生。利用人体与环境温差进行发电的柔性热电器件为自驱动生物电子提供了新思路。然而，在微小温差条件下，柔性热电材料普遍面临电导率与塞贝克系数强耦合的瓶颈，传统“试错法”实验筛选效率低，极大地限制了高性能柔性热电材料的开发。

物理引导的主动学习设计柔性热电生物器件

针对上述难题，研究团队引入机器学习与人工智能算法，构建了一种小样本、物理引导的主动学习数据驱动筛选框架。该框架将极限梯度提升（XGBoost）回归模型与贝叶斯优化（Bayesian Optimization）算法深度融合。团队收集了246组异质结界面数据，通过递归特征消除筛选出18个关键物理描述符，成功建立了可高精度预测异质结界面能垒的智能模型（R² = 0.87）。通过可解释性分析对人工智能模型的决策机制进行“白盒化”拆解，揭示了填料功函数与基体功函数是调控界面能垒的核心物理机制。

基于主动学习框架的预测，在众多材料组合中精准锁定了具有最佳能量过滤效应的PEDOT:PSS/EGaIn（液态金属）柔性复合热电材料。在生物医学验证中，利用该材料集成的柔性热电器件展现出卓越的力学柔韧性与耐弯折稳定性。在生理-环境温差下，可产生 8.80 mV 的持续直流电压。在大鼠全层皮肤缺损模型中，热电治疗组胶原沉积密度达84.1%，血管新生标志物表达接近对照组两倍，促炎因子TNF-α表达降至对照组一半以下，第12天伤口闭合率超过98%，较对照组提前2天愈合。

该研究建立了一个小数据集、物理引导的主动学习框架，将界面能垒预测与柔性热电复合材料的实验验证相衔接，并进一步展示了其在自供能伤口热电治疗中的概念验证应用。研究不仅部分破解了柔性热电材料电导率与塞贝克系数的耦合制约，更重要的是提供了一种“物理可解释、数据高效、实验可闭环”的材料筛选策略，为创面治疗用热电生物器件的设计提供了可推广的开发策略。

（审稿：材料科学与工程学院 王春红 编辑：党委宣传部 李焕峰）

图片来源：材料科学与工程学院