日本的科学家开发了一种新的，高效的方法来设计无线电力传输（WPT）系统。基于机器学习，该方法使系统能够保持稳定的电压，即使负载发生变化 - 朝着更广泛采用的关键步骤无线电源。WPT系统已经是众多设备的关键部分，从智能手机和生物医学传感器到感应炉灶，它们使用WPT机制来加热炊具。但是，当前技术的关键问题之一是它在功率波动中挣扎。
这是因为它们取决于负载，这意味着系统的性能会受到正在供电的设备（负载）的显着影响。
智能手机等设备依靠恒定，受监管的电压安全地为电池充电。电池对电量的阻力在填充时会发生变化，在负载依赖的WPT系统中，电池会导致电压波动。这会损坏设备或降低充电速度。
相比之下，新的机器学习方法是与负载无关的（LI），这意味着它们可以提供一致的功率并保持高效率，无论收取哪种设备。在智能手机电池的示例中，这意味着无论电池填充时可能发生的电阻波动如何，电源将继续以稳定的电压有效传输。
这对于更复杂的应用（例如电动汽车）中的较大电池尤其重要，在充电过程中负载可能会发生巨大变化。
研究人员在2025年6月在《杂志》上发表的一项新研究中透露了他们的发现电路和系统的IEEE交易。
有关的：DARPA粉碎无线电源记录，横向能量超过5英里，并用它使爆米花
WPT系统通过称为共振的过程功能，与无线电或电视相同的方式接收到空中信号。发射器通过调节电容器和电感器之间的动力振荡方式来广播电磁波的特定频率。当波到达接收器电路设置为相同的频率时，两个引起共鸣，大大扩大了信号。
在收音机中，然后将信号发送到其他组件，以进一步扩增和解调以创建声音，而在WPT系统中，此共振使接收器能够捕获和存储无线传输的能量。
机器学习以增强无线功率
新技术使用机器学习来建模并优化较小的负载依赖性功率传输系统。该过程涉及构建系统的虚拟模型，然后在人工智能观察时在作用中对模型进行模拟。
根据标准，AI判断系统的运行状况，例如像热量一样损失了多少功率以及电信号的清洁程度。然后，它使用反复试验方法来优化系统，以便以峰值效率运行，并以最小的波动和能量耗散传递功率。
这项研究称，研究人员使用新方法将波动降低到5％，而使用载荷依赖系统的18％。它们还提高了功率传输效率高达86.7％，而负载依赖的系统可以运行低至65％的效率。
研究首席作者说Hiroo Sekiya，奇巴大学高级整合科学研究生院教授。
他说：“我们相信这项研究的结果是迈向完全无线社会的重要一步陈述。“此外，由于LI操作，WPT系统可以简单地构建，从而降低了成本和规模。我们的目标是在未来5到10年内使WPT普遍存在。”
研究人员在一份声明中说，这项研究还说明了AI可用于改善电路设计的方式，从而导致“电力电子设计方式，朝着自动电路设计的未来迈进”的转换。