Исследование провели в Центре нейробиологических исследований изображений (CNIR) при Институте фундаментальных наук (IBS) в сотрудничестве с Университетом Сунгкюнкван (SKKU). Результаты опубликованы в журнале Nature Nanotechnology.

Биологические ткани, такие как сердце, мозг и мышцы, мягкие, подвижные и изогнутые. Существующие биоэлектронные устройства часто кажутся чужеродными, вызывая воспаление, плохую адгезию и нестабильные сигналы. Даже ультратонкие из них требуют клеев, подложек или опор.

Команда задалась вопросом: что, если устройство становится мягким и самоклеящимся только при контакте с тканью? Это привело к THIN — наномембране без подложки, которая самоклеится к влажной ткани без швов или давления. Она адаптируется к микроскопически изогнутым поверхностям, поддерживая длительный контакт.

THIN состоит из двух слоев: гидрогеля (альгинат, конъюгированный с катехолом, Alg-CA) для адгезии и полупроводникового эластомера P(g2T2-Se) для проводимости. При увлажнении жесткость уменьшается в миллион раз (до 9,08 × 10⁻⁶ ГПа⋅м²), позволяя обхватывать поверхности с радиусом кривизны менее 5 мкм — она становится механически незаметной.

Полимер P(g2T2-Se) показывает рекордное произведение подвижности на емкость (μC*) — 1034 Ф⋅см⁻¹⋅В⁻¹⋅с⁻¹, в 3,7 раза выше, чем у обычных материалов. Это обеспечивает высокую ионно-электронную связь для органических электрохимических транзисторов (OECT), усиливающих биосигналы даже при растяжении.

В экспериментах на грызунах THIN мгновенно прикреплялось к сердцу, мышцам и коре мозга, регистрируя электрокардиограммы (EGM), электромиограммы (EMG) и электрокортикограммы (ECoG) с высокой точностью. Устройства оставались стабильными и биосовместимыми более четырех недель без воспалений.

"Наша платформа THIN-OECT — как нанокожа: невидимая для тела, механически неощутимая и электрически мощная, — сказал профессор Дж. Сон Донхи. — Это открывает перспективы для интерфейсов мозг-машина, мониторинга сердца и нейропротезирования".

В отличие от систем на эластомерных подложках, THIN автономен, работает на наноуровне и исключает неопределенности сигналов. Она усиливает сигналы прямо на месте контакта, устраняя нужду во внешних усилителях, и подходит для импантируемых, носимых или инъекционных устройств.

Будущие разработки включают многоканальные матрицы THIN с беспроводной связью для замкнутых интерфейсов мозг-машина, реабилитационной робототехники и биорезорбируемых версий для минимально инвазивного применения.

Когда слышишь про ветряную турбину из дерева сначала кажется, что это шутка. Но в Швеции все есть такая уже есть, и она серьезно конкурирует со стальными. Сделана она из клееного шпона — многослойной древесины, где волокна направлены вдоль друг друга, что делает их прочнее стали на единицу веса.

Зачем вообще понадобились такие инновации. Современным ветрякам нужна высота: чем выше, тем стабильнее ветер и больше выработка энергии. Но огромные стальные башни сложно перевозить и дорого производить. Деревянные башни состоят из модулей, собранных в несколько цилиндров высотой 16–24 метра и по цене они не дороже традиционных стальных.

Первая коммерческая турбина Modvion на деревянной башне уже работает: 150 метров высоты, 2 МВт мощности. Следующей будет версия на 6 МВт — и это одна из крупнейших наземных турбин в Европе.

Больше интересной информации про источники энергии и энергетику в телеграм-канале ЭнергетикУм

Оптическое волокно — основа современного интернета, связи и многих медицинских приборов. Его производство — очень сложный процесс, требующий высочайшей точности на каждом шаге. Даже небольшие отклонения в технологии могут привести к существенному повышению себестоимости готового материала и к тому, что дорогостоящая заготовка окажется непригодной для дальнейшего применения.

Одним из ключевых начальных этапов создания оптоволокна является процесс «жакетирования» кварцевых труб. Это процесс, когда тонкая кварцевая трубка аккуратно нагревается и надевается на производственный стержень. Жакетирование нужно, чтобы создать прочную и толстую заготовку, из которой потом вытягивают тонкое оптическое волокно. Однако оборудование для этого процесса обычно рассчитано на работу с несколькими стандартными размерами трубок. На практике размеры сырья могут немного отличаться от идеала. Так, отсутствие инструкций для разных видов заготовок вынуждает технолога подбирать настройки методами расчета промежуточных значений между несколькими известными установленными режимами. Однако такой подход не работает, потому что процессы тепломассопереноса подчиняются более сложным, нелинейным законам.

Как правило, в такой ситуации специалисту приходится вручную адаптировать все настройки. Чаще всего это делается путем простой корректировки. Например, если диаметр трубки на 2% больше стандартного, то скорость нагревания волокна интуитивно снижают примерно на те же 2%. Однако на процесс жакетирования влияет множество взаимосвязанных факторов, а примерная корректировка одного параметра не может учесть всех аспектов производства. В итоге дорогостоящая заготовка может потерять свои оптические свойства, а процент брака вырастет, увеличивая себестоимость конечного продукта.

Оптимальные режимы работы также часто охраняются компаниями как производственная тайна (ноу-хау). Это приводит к тому, что научно-обоснованных и общедоступных методик расчёта параметров для такого процесса практически не существует. В итоге это создает дефицит знаний, мешает стандартизации отрасли и замедляет общий технологический прогресс.

Ученые Пермского Политеха создали универсальный инженерный инструмент для процесса жакетирования. Он позволит в два раза ускорить обработку заготовок с нестандартными размерами и сократить долю брака в производстве на 75%.

Сначала эксперты проанализировали весь цикл жакетирования, разбив его на ключевые этапы. Они сосредоточились на трех наиболее важных: травление (очистка поверхности), полировка и сплавление трубки со стержнем.

Для каждого этапа производства ученые создали свою виртуальную модель: указали размеры кварцевой трубки, стержня и зазора между ними, задали свойства материалов и прописали, как движется горелка, с какой мощностью она греет, предложили метод расчета температурных полей в кварце.

Далее в созданных цифровых моделях они стали изменять исходные параметры так, как это происходит в реальности: варьировали толщину стенки трубки, её диаметр, скорость движения горелки и множество других факторов. Созданная компьютерная программа для каждого варианта рассчитывала, как будет вести себя система, и будет ли результат соответствовать критериям качества.

Ученые проверили свои модели, используя реальные заводские данные. Они взяли стандартные размеры труб и стержней из промышленного норматива, а также фактические режимы работы горелки с её скоростями и температурами. В расчетах учли также точные свойства материалов кварца и газов из профессиональных баз данных, чтобы убедиться, что виртуальная модель работает с теми же параметрами, что и физический процесс.

— Финальным и самым практическим шагом стало преобразование массива сложных данных в удобный для производства инструмент. На основе выявленных закономерностей мы построили так называемые технологические номограммы. По сути, это набор наглядных инструкций, где отражены измеряемые параметры трубки (например, диаметр и толщина), а также какую скорость движения горелки нужно выставить для таких показателей, — прокомментировала Дарья Владимирова, кандидат физико-математических наук, доцент кафедры «Прикладная математика» ПНИПУ.

Для работника на производстве решение сводится к простому и быстрому поиску нужных значений на номограммах. В начале работы он измеряет размеры реальной трубки и, опираясь на созданные при моделировании графики, находит все нужные параметры: с какой скоростью двигать горелку, какую выставить мощность или сколько подать газа. Благодаря готовому инструменту даже для нестандартных трубок можно мгновенно найти верные настройки, не тратя время на ошибки и не рискуя испортить заготовку.

— В результате работа с нестандартными заготовками стала в два раза эффективнее, потому что отпала необходимость в долгом подборе параметров. Также важно, что количество брака на основных этапах производства сократилось на 75%. Это означает, что дорогое сырье теперь расходуется экономнее, а качество готовой продукции стало стабильно высоким. Наша разработка поможет создать общую научную базу для важной отрасли, поскольку раньше такие знания часто были коммерческой тайной, — рассказал Владимир Первадчук, доктор технических наук, заведующий кафедрой «Прикладная математика» ПНИПУ.

Сам подход, который использовали ученые, можно применить и в других сферах. Метод создания точной компьютерной модели сложного процесса, а затем — простых инструкций для работников, подходит для многих высокотехнологичных производств.

Например, его можно использовать для управления плавкой специального стекла, где пузырьки и неоднородности недопустимы. Специалист, измерив температуру и вязкость сплава, мог бы по готовой инструкции сразу определить, как скорректировать режим печи. Точно так же с помощью предложенного инструмента можно будет настраивать химические реакторы для синтеза сложных веществ. По показаниям датчиков о температуре и концентрации компонентов технолог находил бы точные значения для регулировки подачи реагентов.

· Материал: Композит из пептидных нановолокон (самосборка в заданную структуру), легированного графена/ PEDOT:PSS (проводимость), и гиалуроновой кислоты с интегрированными факторами роста (BDNF, GDNF).

· Функция: Имитирует внеклеточный матрикс, направляет рост аксонов и обеспечивает электрофизиологическую связь с тканью хозяина.

1.2. Органоидные модули

· Выращенные из iPSC (индуцированных плюрипотентных стволовых клеток) пациента 3D-нейроорганоиды с заданной региональной идентичностью (кортикальной, стриатной, таламической).

· Усовершенствование: Введение в органоиды искусственных синапсов на основе мемристоров, что создает биогибридные вычислительные единицы.

1.3. Наноразмерный интерфейс "нейрон-чип"

· Гибкие нейронные зонды нового поколения: Массивы из углеродных нанотрубок или полимерных микропроводов, покрытых проводящим гидрогелем. Они обеспечивают долгосрочную стабильность записи и стимуляции тысяч нейронов одновременно.

---

2. Технологии интеграции и управления (Среднесрочная перспектива: 2030-2045)

2.1. Оптогенетика и сонотогенетика с обратной связью

· Клетки КНК генетически модифицированы для управления с помощью света или звука (сонотогенетика — менее инвазивно).

· Замкнутый цикл: Система в реальном времени анализирует нейронную активность (EEG, локальное поле) и точечно стимулирует/подавляет зоны КНК для коррекции паттернов, например, для купирования эпилептического припадка или модуляции настроения.

2.2. Нейроморфные сопроцессоры

· Внешний или имплантируемый чип, работающий на принципах спайковых нейронных сетей. Он обучается в процессе работы, эмулируя недостающие функции (например, генерацию ритмов ходьбы при повреждении спинного мозга) и выступая "переводчиком" между биологическими и цифровыми компонентами.

2.3. Сосудистая и энергетическая интеграция

· Микрогидродинамическая система: Сеть микроканалов в каркасе, постепенно васкуляризируемая организмом.

· Энергоснабжение: Биосовместимые ферментные топливные элементы, использующие глюкозу из ликвора, или беспроводная зарядка через ультразвук (пьезоэлектрики).

---

3. Ключевые прорывные технологии (Долгосрочная перспектива: 2040+)

3.1. Коннектомное картирование и эмуляция

· Высокоточное восстановление индивидуальных нейронных связей поврежденной области с помощью синхронизации паттернов активности и направленного роста под контролем ИИ, анализирующего данные фМРТ и электрофизиологии.

3.2. Квантовые сенсоры для нейромониторинга

· Имплантируемые алмазные NV-центры (азот-вакансия) для сверхчувствительного измерения магнитных полей отдельных нейронов, температуры и pH, что позволяет мониторить метаболизм КНК на беспрецедентном уровне.

3.3. Динамическая молекулярная память

· Внедрение в клетки КНК синтетических генетических контуров (наподобие CRISPR-логики), способных записывать историю активации клеток (подобие энграммы) и регулировать экспрессию рецепторов для программируемой пластичности.

---

4. Этика, безопасность и философские аспекты

4.1. Принципы разработки (дополнение):

· Принцип постепенности: Замена функций происходит поэтапно, с постоянной проверкой сохранения идентичности.

· Принцип прозрачности: Нейроактивность КНК должна быть доступна для анализа и внешнего аудита (защита от скрытого влияния).

· Принцип функциональной достаточности: Система восстанавливает утраченную функцию, не создавая искусственно "улучшенную" версию без согласия.

4.2. Правовые рамки:

· "Нейроправа" как основа: Запрет на несанкционированный доступ к данным КНК, манипуляцию сознанием, принудительную установку.

· Класс "Адаптивно-реставрационных биокибернетических систем" (АРБКС).

4.3. Философский вызов:

· Проблема непрерывности "Я": Постепенная замена мозга — это "корабль Тесея" в реальном времени. Ключ — не в сохранении каждого нейрона, а в непрерывности информационно-процессуальных паттернов.

· Коллективный разум: Сетевые интерфейсы КНК должны иметь физические "предохранители", предотвращающие полное слияние сознаний и потерю индивидуальности.

Путь к реализации:

1. Этап 1 (Сейчас): Улучшение биосовместимости нейроимплантов, развитие органоидных технологий, замкнутые системы для лечения эпилепсии и Паркинсона.

2. Этап 2 (10 лет): Создание функциональных биогибридных модулей (органоид + нейроморфный чип) для замены небольших участков коры после инсульта.

3. Этап 3 (20 лет): Сложные модули, замещающие гиппокамп (память) или миндалевидное тело (эмоции), с системами обучения и интеграции в коннектом.

4. Этап 4 (30+ лет): Полномасштабная платформа КНК для поэтапной реконструкции мозга с сохранением личности.

Ваш концепт задает верный вектор — будущее за конвергентными технологиями, где граница между биологическим восстановлением и технологическим усилением станет невидимой, а главным фокусом станет не мощность, а сохранение и расширение человеческой субъективности.