捕蠅草的獨特捕食機制向來是生物智能領域的一個研究焦點。這個機制令捕蠅草能有效區分各種外部刺激，如單次、雙次刺激，進而區分如雨滴等的環境干擾（單次刺激）及昆蟲（雙次刺激），以確保成功捕獲獵物。此項功能主要是由於捕蠅草的觸毛具有類似記憶和計算的特徵，讓它可以感知刺激和產生動作電位（細胞因受刺激而產生的電信號改變），並在短時間內記著刺激。

由科大電子及計算機工程學系副教授申亞京領導，以及其畢業於香港城市大學的前博士學生楊媛媛博士（現為廈門大學副教授）共同組成的研究團隊，以捕蠅草內部電信號累積/衰減模型為基礎，提出了一種基於液態金屬絲延伸/縮短形變的液態金屬邏輯模組（簡稱LLM）及元件。該元件以氫氧化鈉溶液中的液態金屬絲為導電介質，基於電化學及電毛細效應控制液態金屬絲的長度，進而依據陽極和門極所施加的電刺激調控陰極輸出。研究結果顯示，LLM本身可以記憶電刺激的持續時間和間距，計算多次刺激累積的信號，並表現出類似捕蠅草的超卓邏輯功能。

為展示他們的研究，申教授及楊博士搭建了一套LLM智能決策器件、仿觸毛機械開關、仿葉片柔性電驅動器的人工捕蠅草系統，成功複製並實現了捕蠅草的捕食過程。此外，他們還展示了LLM在功能電路集成、濾波、人工神經等方面的應用前景。這項研究不僅為模擬植物的智能行為提供了見解，也為後續的生物信號模擬器件及具身智能系統研發提供了可靠的參考。

申教授表示：「當提到『人工智能』，一般人想到的都是模擬動物神經系統的智能。然而，在自然界中，很多植物也可以通過特定的材料、結構組合，展示出一定智能。這個研究方向有助我們理解自然界的『智能』，並為構建『類生命智能』提供新的視角和思路。」

他續稱：「大約幾年前，楊博士還在攻讀博士課程時，我們一起探討了仿照植物構建智能體這個想法。很高興經過幾年的努力，我們實現了對捕蠅草智能的概念驗證和模擬。但值得提出的是，這項研究仍屬一個比較初步的探討，後期還有很多工作需要進一步開展，如設計更高效的結構、減小器件的體積、提升系統的反應靈敏度等。」

這項由申教授及楊博士合作的研究最近在全球頂尖的多元學科期刊《自然－通訊》上發表。