Nature 子刊：研究人員通過3DPX技術打印微米級毛發(fā)

南極熊導讀：生物界中的毛發(fā)和纖維結構在傳感和結構功能方面至關重要，如甲蟲毛發(fā)、哺乳動物胡須、蜘蛛絲和盲鰻粘液纖維等。然而，在制造領域，傳統(tǒng)的制造工藝復制這些微米級纖維結構一直是一項挑戰(zhàn)。

△示意圖顯示了毛發(fā)陣列的打印過程和打印機制

2025年1月21日，南極熊獲悉，一項名為嵌入式溶劑交換（3DPX）的3D打印技術成功克服了這一難題。研究團隊展示了通過這項技術實現(xiàn)的具有自由形狀軌跡的3D打印毛發(fā)結構，纖維直徑可細至1.5微米，并且能夠實現(xiàn)連續(xù)長度。該技術的核心在于將噴嘴嵌入微粒凝膠浴中，利用凝膠的屈服應力流變學特性，使得纖維能夠以仿生軌跡自由放置。

3DPX技術的另一個關鍵優(yōu)勢在于它的快速固化的能力，通過溶劑交換使得擠出的聚合物溶液以2.33微米/秒的速率徑向固化，顯著增強了彈性平臺模量，防止了毛細管現(xiàn)象導致的纖維斷裂。此外，3DPX技術在材料選擇上具有極大的靈活性，包括使用市售熱塑性聚合物和納米復合材料進行打印。

△相關研究已發(fā)表在《Nature Communications》，題目為“通過嵌入式溶劑交換快速3D打印細小、連續(xù)、柔軟的纖維”（傳送門）

研究背景

在自然界中，許多生物利用毛發(fā)狀、纖維狀和長線狀結構來實現(xiàn)特定的功能，例如蜘蛛絲的多功能性、靜纖毛和微絨毛在細胞表面的作用、以及細菌菌毛的多功能性。這些生物結構的復雜性和功能性激發(fā)了工程師和科學家開發(fā)新的工程材料。

然而，現(xiàn)有的制造技術無法復制自然界中觀察到的具有三維幾何形狀和高長寬比（20-1000微米）的纖維結構。盡管光刻和微加工技術為制造微柱提供了可能，但它們僅限于二維結構，并且受到晶圓厚度和縱橫比的限制。

為了解決這些限制，研究者們探索了通過3D打印技術來復制這些復雜的3D纖維或分支結構。一種稱為嵌入式3D打印的方法能夠通過使用具有屈服應力流變性的支撐凝膠來解決直接書寫墨水過程中打印結構因重力而變形的問題。這種方法允許打印出更細、更長的纖維結構，擴大了可打印材料的范圍，包括模量約為1MPa的彈性油墨，從而能夠準確復制各種自然結構的功能形態(tài)。

△嵌入式3D打印機制示意圖

3DPX技術實現(xiàn)微米級纖維結構

實驗過程中，研究團隊采用了凝膠嵌入打印技術，這允許打印出直徑在20至50微米范圍內的纖維。然而，由于表面張力導致的毛細管現(xiàn)象，更小直徑的纖維容易斷裂。為了解決這一問題，研究者們通過溶劑匹配技術顯著降低了界面張力，成功打印出了直徑為8微米的纖維。

進一步的研究和優(yōu)化導致了更小直徑纖維的打印成功。通過3DPX技術，研究人員成功打印出直徑最小至1.5微米的纖維結構，實現(xiàn)了最大長寬比約為3400倍的超高長寬比結構。這一成就得益于支撐凝膠的設計和擠出油墨與周圍屈服應力浴之間的溶劑交換，這促進了擠出聚合物溶液的快速凝固。

3DPX技術的另一個顯著優(yōu)勢是在材料選擇上的廣泛性。研究者們展示了使用多種市售聚合物和添加劑，包括熱塑性彈性體、聚苯乙烯和PVC，以及導電CNT聚合物納米復合材料。此外，他們還改進了在硅彈性體基底上生產毛發(fā)陣列的方法，實現(xiàn)了直徑小于2微米、長度超過1500微米的纖維。

△3DPX的打印參數(shù)和可擴展性

利用3DPX拓寬材料適用性

研究團隊測試了多種不同模量特性的聚合物，包括SEBS、SIS、PVA、PS和PVC，以及導電的碳納米管（CNT）聚合物納米復合材料。實驗結果表明，所有選定的聚合物都能在3DPX技術中快速固化，并通過30微米的噴嘴擠出。這表明3DPX技術不僅適用于各種化學性質的材料，而且能夠處理具有不同機械模量的材料。

此外，研究者們還展示了使用3DPX技術打印的微米級直徑螺旋線圈和其它復雜幾何形狀的纖維結構，證明了這項技術在打印精度和復雜度上的優(yōu)勢。例如，他們成功打印出了直徑小于2微米的線圈，以及具有高長寬比的纖維結構，長寬比達到3414倍。

△使用3DPX打印細毛陣列

該研究還成功實現(xiàn)了在基底上打印固定毛發(fā)結構，這些毛發(fā)由固定的根部和延伸出錨定表面的纖維組成。這些毛發(fā)陣列展示了高度的柔韌性和恢復力，能夠承受外力作用后恢復原狀。

3DPX技術的這些實驗結果標志著在3D打印領域的一個重大進步，為制造具有復雜幾何形狀和高長寬比的微米級纖維結構提供了新的可能性。研究者們相信，這項技術在復制自然啟發(fā)的纖維結構方面具有巨大的未來應用潛力，特別是在生物模擬、微流體裝置和先進材料開發(fā)等領域。

總的來說，新的3D打印研究不僅在技術上取得了重大突破，更為仿生功能應用的未來鋪平了道路。