人体传感器网络通过能够支持微波近场或表面波传播的超材料无线连接多个体上传感器。然而，此类网络的设计通常局限于一维单元格结构。拓扑超材料常用于激光和光子源等光子学应用，但由于其灵活性低、弯曲损失大和生物环境中能量耗散大，其与生物系统的集成仍然有限。
本文报道了能够在人体上提供强大生物感知网络的灵活拓扑超材料服装。该方法基于由薄金属导电纺织品制成的二维拓扑模块。由此产生的拓扑边缘态相比传统辐射网络提升了本体信号传输超过三个数量级（超过30 dB），并且能在各种弯曲角度下保持性能。模块化设计允许通过改变拓扑相位模块的组合进行重构。我们证明，配备互联生物传感器并辅以机器学习算法增强的拓扑服装，在运动期间能够监测生命体征，信噪比提升超过两个数量级，准确率提升三倍，均与无拓扑服装系统相比。
解析探讨：这项研究致力于解决传统身体传感器网络在设计上的根本局限——传统网络通常依赖一维单元结构，而拓扑超材料虽在光子学中展现出卓越性能，却因灵活性差、弯曲损耗高及生物环境中能量耗散严重等问题，难以与人体有效集成。研究初衷是开发一种柔性拓扑服装，为人体提供鲁棒、高效的无线传感网络，实现运动过程中生命体征的精准监测。技术路线的核心基于二维谷拓扑模型，通过金属导电纺织品制备具有相反谷陈数的拓扑模块（模块A和B）。
当不同模块接口时，会形成受拓扑保护的边缘态，这些边缘态以表面波形式传播，能将电磁能量紧密约束在服装表面，从而显著降低弯曲损耗和组织吸收。模块化设计允许通过组合不同模块灵活配置无线通道数量（如n=1,2,4,6），支持多传感器互联。实验显示，拓扑边缘态将信号传输效率提升超过三个数量级（>30 dB），且在人体附着及弯曲至90°时性能稳定，传输系数劣化低于2 dB，远优于传统拓扑光子晶体。研究的创新点在于首次将拓扑超材料以柔性、可穿戴形式与生物系统集成，突破了器件灵活性与能量耗散的瓶颈。
其亮点不仅体现在传输性能的量化提升，更在于模块化重构能力：仅需两种基础模块即可实现多通道网络，无需定制额外组件如功率分配器或环行器。结合机器学习算法（如自适应滤波和LSTM模型），该系统在运动噪声环境下将心率检测信噪比提升达158倍（22 dB），准确性提高3.7倍，显著优于单节点系统。该技术的价值在于为个性化医疗监测提供了高效、安全的解决方案。其非辐射特性增强数据隐私，低功耗设计延长设备续航，而柔性纺织基材确保穿戴舒适性。
前景上，这项工作为拓扑光子学（如拓扑绝缘体、连续谱中束缚态等概念）向生物医学应用转化开辟了新路径，有望推动下一代智能服装在慢性病管理、运动员训练及远程医疗中的广泛应用。原文链接:https://www.nature.com/articles/s41928-025-01516-w
