石墨烯“纹身”让植物叶片变身传感器，或可构建植物神经网络

德克萨斯大学奥斯汀分校的研究人员近期在《纳米快报》上发表了一项创新研究：他们开发出一种基于石墨烯的“纹身”传感器，可以直接粘贴在植物叶片上，实时监测叶片的水分含量。这项技术有望彻底改变植物健康监测方式，并朝着构建植物神经网络的方向迈出关键一步。

该传感器本质上是一个三端晶体管，由石墨烯通道、金电极和作为介电绝缘体的叶片本身构成。其工作原理是向叶片发送电脉冲，驱动叶片内部的离子运动，从而改变石墨烯的电导率。通过检测电导率的变化幅度，研究人员可以精确判断叶片的水分状态，无需任何外部处理。

石墨烯是制作这种“叶片纹身”的理想材料：它近乎透明，不会遮挡阳光干扰光合作用；同时具有良好的柔韧性和伸缩性，能够随着叶片的生长、收缩或扭曲而适应。

研究人员强调，这并非首个石墨烯传感器，但实时水分监测在这一领域仍不常见。该传感器的独特之处在于它具有类似生物突触的特性。通过特定电脉冲，研究人员可以微调传感器的电导率，并且在脉冲结束后，传感器需要约90秒才能缓慢恢复原始电导率，这段期间内它可以充当短期记忆设备。这种特性使得传感器能够在神经网络中存储和调节权重，为未来的植物计算奠定基础。

这项研究源于一次意外的灵感。此前，Incorvia的团队一直使用石墨烯和Nafion聚合物（一种优良的质子导体）设计类脑计算器件。来实验室实习的本科生Maya Borowicz发现植物叶片也能传导质子，于是建议用叶片替代Nafion。实验意外成功，但团队一度不知道如何应用。直到Incorvia与地质学家Ashley Matheny交流后，才意识到这种传感器在森林水分监测方面具有巨大的实用价值。

在最新实验中，研究团队训练了一个简单的单层感知器神经网络，能够根据传感器的读数将叶片分类为水分充足、正常或干旱状态。虽然当前模型运行在外部硬件上，但研究人员希望利用传感器的人工突触特性，未来直接在植物上运行类似的网络。

Incorvia设想了一个覆盖森林的传感器网络：叶片上的传感器与土壤、树液中的其他传感器相连，农民可以通过它实时监控干旱导致的农作物危机，森林管理员则能及时发现可能引发火灾的干燥叶片。正如Incorvia所言：“你可以想象一个由树木组成的神经网络，我们可以在整个森林中进行感知。”