近年来，工程师们开发了一系列日益复杂的传感器，用于机器人、便携式、可穿戴甚至可植入的监测。这些传感器收集的数据随后可以使用最先进的机器学习进行分析，使设备能够识别音频中的特定声音、图像中的物体或其他独特的刺激。

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体声学传感器，结合机器学习，即使在嘈杂的环境中也能高精度地识别声音。这款传感器发表在《自然电子》杂志的一篇论文中，灵感来自许多鲸鱼物种(包括海豚和抹香鲸)前额的脂肪器官。

“我们的工作灵感来自鲸鱼额头上的一个脂肪组织——额头”，论文通讯作者陈军告诉 Tech Xplore。“额头会聚焦和调节用于回声定位的声音，使其组织的声学特性与周围的水相匹配，从而使声音以最小的能量损失传播。”

作为他们最近研究的一部分，陈和他的同事着手开发一种很有前途的新型传感系统，该系统模仿鲸鱼的耳瓜功能。与耳瓜类似，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音，从而实现节能收集声学数据，同时提高他们的人工智能传感系统识别声音的准确性。

陈解释说：“人工智能在我们的传感系统中起着关键作用，特别是支持语音识别。”“得益于液体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。”

自过滤液体声学传感器。图片来源：Nature Electronics (2024)。DOI：10.1038/s41928-024-01196-y

研究人员开发的传感器由基于钕铁硼磁性纳米粒子的三维定向和分支磁网络结构组成。这些纳米粒子悬浮在载体流体中，共同充当磁体。

传统声学传感器通过检测材料变形和声压引起的振动来拾取周围的声音。虽然该系统在许多日常环境中都很有效，但在水下或非常嘈杂的环境等更复杂的场景中效果并不一样好。

陈教授表示：“我们最显著的成就之一是引入了用于声学传感的新型液体材料，这些材料表现出了优异的性能。这些传感器不仅可以在空气中有效工作，还可以在海洋等水下环境中用于探测海洋动物和其他应用。”

在初步测试中，陈和他的同事开发的液体声学传感器被发现可以区分甚至 0.9 Pa 的最小压力，同时还表现出 69.1 dB 的高信噪比。此外，该传感器的自滤波功能使其能够可靠地降低源自生物力学运动的 30 Hz 以下的低频噪声。

在嘈杂的环境中，研究人员开发的人工智能声学传感系统被发现能够以 99% 的惊人准确率识别声音。因此，未来它可以用于在水下或其他异常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。

陈补充道：“在我们接下来的研究中，我们将利用人工智能来优化传感器内部的液体材料，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。”