[email protected] / Depositphotos
Charger USB-C
Teknologi pemuatan kawat berbasis AI berjanji untuk merevolusi tidak hanya smartphone, tetapi juga industri kendaraan listrik. Sudah 5 hingga 10 tahun dari sekarang, kata penulis studi baru.
Para peneliti di Jepang telah mengungkapkan kemajuan dalam teknologi transmisi energi bebas -kawat (WPT) yang dapat mempercepat transisi ke masyarakat yang benar -benar nirkabel.
Tim menggunakan Pembelajaran Otomatis Untuk mengembangkan sistem yang telah mampu mempertahankan tegangan yang stabil terlepas dari perangkat yang akan dimuat – tantangan lama dalam transmisi nirkabel.
Energi nirkabel sudah jelas digunakan pada perangkat sehari -hari, dari smartphone dan sensor biomedis hingga kompor induksi. Tetapi sistem konvensional tergantung pada beban, yang berarti efisiensi dan stabilitasnya bervariasi tergantung pada perangkat, menjelaskan Ilmu langsung. Hal ini dapat menyebabkan fluktuasi tegangan yang menunda pemuatan atau bahkan merusak baterai, terutama pada perangkat seperti smartphone, yang ketahanan baterai berubah saat diisi.
Pendekatan berbasis pembelajaran otomatis yang baru memperkenalkan sistem WPT yang terlepas dari beban (LI), yang mampu memberikan energi yang konsisten pada perangkat dan kondisi yang berbeda.
Misalnya, baterai smartphone sekarang dapat menerima energi ke tegangan yang stabil di seluruh siklus pemuatan, meningkatkan keamanan dan efisiensi. Kemajuan sangat menjanjikan untuk aplikasi yang lebih besar, seperti kendaraan listrikdi mana kondisi beban dapat bervariasi secara dramatis.
Menurut hasilnya diterbitkan Pada bulan Juni di majalah Transaksi IEEE di sirkuit dan sistem, sistem WPT beroperasi resonansi -Prinsip yang sama digunakan pada radio atau televisi yang menerima sinyal “over-the-air”. Pemancar memancarkan gelombang elektromagnetik ke frekuensi spesifik yang beresonansi dengan penerima yang disetel pada frekuensi yang sama. Dalam sistem WPT, resonansi ini memungkinkan Anda untuk menangkap dan menyimpan energi nirkabel.
Teknik ini menggunakan pembelajaran otomatis untuk mengoptimalkan sistem ini. Para peneliti pertama -tama membuat model virtual dari sistem WPT dan mensimulasikan operasi mereka. Kecerdasan buatan mengevaluasi kinerja, memantau kehilangan energi, stabilitas sinyal dan parameter lainnya.
Melalui proses upaya dan kesalahan berulang, Akan menyesuaikan sistem untuk memaksimalkan efisiensi, mengurangi fluktuasi tegangan menjadi hanya 5%dibandingkan dengan 18% dalam sistem tradisional. Efisiensi dalam transfer energi juga meningkat, mencapai 86,7% dibandingkan dengan 65% sistem yang bergantung pada beban.
Hiroo Sekiyapenulis utama studi dan guru di Sekolah Pascasarjana Ilmu Integrasi Lanjutan di University of Chiba, menyediakan penggunaan teknologi sehari -hari selama lima hingga sepuluh tahun ke depan.
