社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

吉林大学邹勃教授团队 Nat. Commun.:压致变色凝胶用于机器学习辅助的物理不可克隆光学防伪

高分子科技 • 6 月前 • 348 次点击  
点击上方“蓝字” 一键订阅


近期,吉林大学物理学院高压与超硬材料全国重点实验室邹勃教授团队与中国科学院兰州化学物理研究所王晓龙研究员等人在开发压致变色聚合物水凝胶用于机器学习辅助的物理不可克隆光学防伪与识别研究取得新进展。研究团队利用压力工程处理后增强的氢键相互作用,驱动聚合物侧链分子构象的立体异构重排,实现了高分子水凝胶的电子离域和蓝光发射截获。压强处理前后红蓝发射水凝胶的随机空间分布,统计分析表明近乎理想随机性以及高唯一性和高可靠性,进而构建了物理不可克隆且高度可辨的防伪模式。基于相似度的机器学习框架,实现快速、鲁棒的认证,克服了人眼识别的主观性与低效性。本工作不仅验证了空间相互作用(TSI)对簇聚集诱导发射的调控机制,更为高安全应用场景下多维加密等级提升提供了可靠策略。



2026年5月8日,相关研究成果以“Piezochromic Hydrogels for Physically Unclonable Optical Anti-Counterfeiting with Machine-Learning Assisted Automatic Identification”为题发表在《Nature Communications》上。吉林大学物理学院高压与超硬材料全国重点实验室博士研究生杨佳毅为本文的第一作者,中国科学院兰州化物所博士后吴家宇为共同第一作者,通讯作者为吉林大学肖冠军教授、李顺心副教授、邹勃教授和中科院兰州化物所王晓龙研究员。该工作得到了学科突破先导项目、国家重点研发专项、国家自然科学基金创新研究群体和面上和兰州化学物理研究所重大项目等项目的资助,同时也得到了国家重大科技基础设施-综合极端条件实验装置B1线站、以及上海光源同步辐射BL15U1线站的大力支持。



压力响应材料以“形变即响应”的智能特性,正重塑柔性传感、自适应结构等领域的创新范式,成为驱动未来科技跃迁的‌关键材料引擎‌。前期研究中,课题组以压强诱导发光PIE为切入点,通过构筑空间位阻等提高相变势垒策略截获高压亚稳相,实现了 系列有机无机杂化卤化物材料的荧光色温及量子产率的不可逆调控(Angew. Chem. 2021;Adv. Mater. 2021),进一步引入空间效应指数,量化了空间位阻效应对高压相截获的物理机制(CRPS 2023),推进了压强诱导发光材料PIEgens在压强传感、压强开关和可视化防伪等领域的实际应用(Nat. Commun. 2025;Angew. Chem. 2025, 2026;CCS Chem. 2026;Laser & Photon. Rev. 2026)。然而,传统防伪技术长期面临易复制、识别低效、安全等级偏低的突出问题,且多数依赖单功能外场刺激响应,易遭受单通道解密攻击,亟需一种兼具高安全性、不可克隆与智能识别能力的创新方案。


针对传统防伪技术的短板,研究团队聚焦压致变色聚合物水凝胶体系,以聚(N‑丙烯酰基氨基脲)(PNASC)为研究对象,创新利用高压调控簇聚集诱导发射(CTE)行为,实现了光致发光从红色到蓝色的显著不可逆转变。第一性原理计算表明,常压下电子与空穴在酰胺基团周围呈现明显的非共价离域分布,形成强空间相互作用,促进红色长波长发射;高压下及卸压后,电子与空穴分布向羰基方向转移,电子离域程度显著降低,电子离域指数从常压下的14.20降至13.05,空间相互作用被有效抑制。高压诱导的侧链立体异构与氢键增强,促使n→π*与 π→π*电子跃迁的重新分布,削弱了-NH与‑NH2的给电子能力,使孤对电子轨道能级降低,最终导致荧光发射从红色不可逆转变为蓝色,并可长期稳定保持。利用红色与蓝色发光颗粒的空间随机分布,形成了肉眼可辨、且难以精准复制的物理不可克隆图案,从根本上杜绝了伪造风险。


图1. 高压下水凝胶光致发光变化和构象转变示意图。


图2. 压致变色水凝胶的高压原位红外光谱和弱相互作用计算。


图3. 压致变色水凝胶的电子结构与发射机理的相关计算。


为提升防伪识别效率与精度,研究团队创新性地将物理不可克隆函数(PUF)与机器学习技术深度融合,构建了高效智能认证体系。图 4 完整展示了基于压致变色水凝胶的物理不可克隆光学防伪体系的构建流程、识别机制、性能验证与实际应用潜力。采用 VGG16 卷积神经网络(CNN)提取多尺度荧光特征,通过余弦相似度完成真伪判定。通过深度学习模型提取标签的多尺度特征,生成唯一“指纹”并存入数据库。实时认证只需比对图像特征相似度,即可快速辨别标签真伪,有效克服了人眼识别的主观性与低效性。对比实验表明,仅依靠光学显微识别时,伪造标签易因宏观形貌相似被误判为真品,结合荧光特征后,伪造标签的相似度分数显著低于判定阈值,有效避免误判,大幅提升识别准确率。稳定性测试显示,防伪标签在常温环境下放置 10 天与 30 天后,微观形貌与荧光特征几乎无变化,长期使用稳定性优异。PUF 性能统计分析显示,标签间汉明距离为 0.47±0.018,接近随机系统理想值 0.5,表明不同标签表现出高度可区分且不相关的图案;标签内汉明距离为 0.13±0.029,显示了良好的稳定性和低误码率;香农熵为 0.984±0.014,接近理论最大值 1,证实了所提取的二进制序列具有接近理想的随机性与唯一性;成对相似矩阵仅在对角线处呈现高相似度,进一步展示了所生成图案的强唯一性和低互关性。为了评估PUF系统的鲁棒性,环境扰动耐受性测试表明,标签分别暴露于丙酮蒸气(20分钟)、80℃加热(10分钟)和反复弯曲(360°,20次循环)等条件处理后,荧光图案余弦相似度仍保持在 88% 以上,分别达到93.3%、93.6%和88.2%,具备优异的化学、热与机械稳定性,完全满足实际防伪场景的使用需求。


图4. 利用机器学习辅助自动识别的物理不可克隆防伪。


总之,研究团队将高压调控的压致变色簇聚集诱导发光水凝胶与物理不可克隆函数PUF相结合,实现不可逆荧光红转蓝并常压稳定保留,从分子层面揭示氢键增强、构象异构、空间相互作用抑制的发光变色机理;创新采用同种材料红蓝发射颗粒空间分布构建高随机、高唯一的光学 PUF 图案,结合机器学习实现高效自动防伪识别,解决传统荧光水凝胶调控不均、安全等级低、光学 PUF 响应单一、识别低效的难题,为高端光学防伪提供全新策略。


原文链接:
https://www.nature.com/articles/s41467-026-73060-w


相关进展

唐本忠院士/冯海涛/邹勃教授Mater. Horiz.:二元协同效应制备高对比度力致变色材料

吉大陈于蓝教授、肖冠军教授 Angew:基于“柔性活化”机制的可视化力敏基团实现力诱导荧光小分子的释放

高分子科技原创文章。欢迎个人转发和分享,刊物或媒体如需转载,请联系邮箱:info@polymer.cn

诚邀投稿

欢迎专家学者提供稿件(论文、项目介绍、新技术、学术交流、单位新闻、参会信息、招聘招生等)至info@polymer.cn,并请注明详细联系信息。高分子科技®会及时推送,并同时发布在中国聚合物网上。

欢迎加入微信群 为满足高分子产学研各界同仁的要求,陆续开通了包括高分子专家学者群在内的几十个专项交流群,也包括高分子产业技术、企业家、博士、研究生、媒体期刊会展协会等群,全覆盖高分子产业或领域。目前汇聚了国内外高校科研院所及企业研发中心的上万名顶尖的专家学者、技术人员及企业家。

申请入群,请先加审核微信号PolymerChina(或长按下方二维码),并请一定注明:高分子+姓名+单位+职称(或学位)+领域(或行业),否则不予受理,资格经过审核后入相关专业群。

点

这里“阅读原文”,查看更多

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/196251