Pambihirang Tagumpay sa Machine Learning sa Japan, Nangangako ng Matatag at Mahusay na Paglilipat ng Kuryente nang Walang Kable

Pagbabago sa Paglilipat ng Kuryente nang Walang Kable: Pambihirang Tagumpay ng Japan sa Machine Learning

Sa malaking hakbang tungo sa tunay na kinabukasang walang kable, ipinakilala ng mga siyentipiko sa Japan ang isang pamamaraang nakabatay sa machine learning na lubhang nagpapahusay sa katatagan at episyensiya ng mga sistema ng paglilipat ng kuryente nang walang kable (WPT). Ang inobasyong ito, na binuo ng pangkat ng mga mananaliksik sa Chiba University at inilathala sa prestihiyosong journal na IEEE Transactions on Circuits and Systems noong Hunyo 2025, ay maaaring magbigay-daan sa malawakang paggamit ng wireless charging sa iba’t ibang bagay, mula sa mga smartphone hanggang sa mga de-kuryenteng sasakyan at kagamitang pang-industriya.

Matagal nang pangarap ng mga inhinyero at mamimili ang wireless power transfer, ang teknolohiyang nagbibigay-daan sa pag-charge ng mga device nang walang pisikal na kable. Bagama’t ginagamit na ang WPT sa mga produktong gaya ng smartphone, sipilyong de-kuryente, at kalan na gumagamit ng induction, nahahadlangan ang mas malawak na paggamit nito ng mga teknikal na hamon—pinakamahalaga rito ang kawalang-tatag ng suplay ng kuryente kapag nakakabit ang mga device na magkakaiba ang pangangailangan sa enerhiya. Tinutugunan mismo ng pambihirang tagumpay ng Japan ang problemang ito sa pamamagitan ng paggamit ng artificial intelligence upang lumikha ng mga sistemang naghahatid ng pare-pareho at episyenteng kuryente, anuman ang device na sini-charge.

Bakit Napakahirap Panatilihing Matatag ang Paglilipat ng Kuryente nang Walang Kable?

Sa pinakapayak na paliwanag, gumagana ang wireless power transfer sa pamamagitan ng pagpapadala ng enerhiya gamit ang mga electromagnetic field. Lumilikha ng tiyak na frequency ang isang transmitter coil, at kinukuha ng receiver coil—na nakaayon sa kaparehong frequency—ang enerhiya at ibinabalik ito sa anyong kuryente. Ang prosesong ito, na tinatawag na resonance, ay lubhang sensitibo sa mga katangian ng tumatanggap na device, o “load.”

Halimbawa, habang nagcha-charge ang smartphone, nagbabago ang resistansiya ng baterya habang napupuno ito. Maaari itong magdulot ng pagbabago-bago ng boltahe sa mga tradisyonal na WPT system, na humahantong sa mas mabagal na pag-charge, mas mababang episyensiya, o pagkasira pa nga ng sensitibong elektronikong bahagi. Lalong lumalala ang problema sa mas malalaking baterya, gaya ng nasa mga de-kuryenteng sasakyan, kung saan maaaring magbago nang malaki ang load habang nagcha-charge.

Nakasalalay ang mga tradisyonal na solusyon sa masalimuot na mga ekwasyong analitikal upang kalkulahin ang eksaktong mga halaga ng mga bahagi ng sirkito gaya ng mga inductor at capacitor. Gayunman, madalas nakabatay ang mga ekwasyong ito sa mga palagay na hindi tumutugma sa realidad at hindi isinasaalang-alang ang mga salik sa aktuwal na paggamit, gaya ng mga pagkakaiba sa toleransiya ng paggawa, parasitic capacitance, at pagbabago-bago ng kapaligiran. Dahil dito, maaaring magbago nang hanggang 18% ang boltahe ng output ng mga karaniwang WPT system kapag nagbago ang load, at bumaba sa 65% ang episyensiya.

Paano Binabago ng Machine Learning ang Disenyo ng Wireless Power

Tinugunan ng pangkat ng Chiba University, sa pangunguna ni Professor Hiroo Sekiya, ang mga hamong ito sa pamamagitan ng paggamit ng machine learning at numerical optimization. Minomodelo ng kanilang pamamaraan ang buong WPT circuit gamit ang mga differential equation na tumpak na sumasalamin sa asal ng mga bahagi sa totoong buhay, kabilang ang mga di-ideal na katangian gaya ng parasitic capacitance ng diode. Nilulutas ang mga ekwasyong ito sa pamamagitan ng mga numerikal na kalkulasyon, sunod-sunod na hakbang, hanggang sa maabot ng sistema ang matatag na kondisyon ng paggana.

Upang ma-optimize ang sistema, gumamit ang mga mananaliksik ng genetic algorithm—isang uri ng artificial intelligence na hango sa natural selection. Sinusuri ng algorithm ang pagganap ng iba’t ibang pagkakaayos ng sirkito batay sa mahahalagang layunin: katatagan ng boltahe ng output, episyensiya ng paghahatid ng kuryente, at mababang harmonic distortion (na maaaring makagambala sa iba pang elektronikong kagamitan). Pagkatapos, paulit-ulit nitong inaayos ang mga parameter ng sirkito at “pinauunlad” ang disenyo hanggang makamit nito ang pinakamainam na pagganap sa malawak na saklaw ng mga kondisyon ng load.

Dahil ganap itong numerikal at nakabatay sa machine learning, nagagawa ng pamamaraang ito ang tinatawag ng mga inhinyero na paggana na “hindi nakadepende sa load.” Sa madaling salita, napapanatili ng sistema ang matatag na boltahe ng output at mataas na episyensiya kahit magbago ang load. Ipinakita ng mga mananaliksik ang kanilang pamamaraan sa isang class-EF WPT system—isang topolohiyang pinagsasama ang class-EF inverter at class-D rectifier, na kapwa kilala sa mataas na episyensiya at pagiging angkop sa mga aplikasyon ng wireless power.

Mahahalagang Resulta: Malaking Pagbuti sa Katatagan at Episyensiya

Kahanga-hanga ang mga resulta. Ibinaba ng bagong sistema sa wala pang 5% ang pagbabago-bago ng boltahe ng output—malaking pagbuti kumpara sa 18% na pagbabago sa mga karaniwang disenyo. Umabot sa 86.7% ang episyensiya ng paglilipat ng kuryente sa 6.78 MHz, at nakapaghatid ito ng mahigit 23 watt na lakas ng output. Sa paghahambing, madalas mahirapang mapanatili ng mga tradisyonal na sistema ang episyensiyang lampas sa 65% kapag nagbabago ang load.

Mahalaga ring pinahusay ng pamamaraang machine learning ang pagganap sa mabababang load, kung saan mas madaling mawalan ng katatagan ang mga tradisyonal na sistema. Sa pamamagitan ng tumpak na pagmomodelo sa mga epekto ng mga katangian ng bahagi sa totoong buhay, napanatili ng sistema na halos pare-pareho ang pagkawala ng enerhiya sa transmission coil sa iba’t ibang load. Ipinahihiwatig nito ang mahusay na pagkontrol sa kuryente at kaunting pag-aaksaya ng enerhiya.

Paliwanag ng pangunahing awtor na si Professor Hiroo Sekiya: “Bineberipika ng aming pamamaraang machine learning ang modelo ng sistema, nagpapatakbo ng mga simulation, at gumagamit ng artificial intelligence upang i-optimize ang pagganap sa pamamagitan ng pagbabawas sa enerhiyang nawawala bilang init at pagpapanatili ng kalidad ng signal.”

Ano ang Naiiba sa Pambihirang Tagumpay na Ito?

Bagama’t hindi na bago ang wireless charging, ang tagumpay ng pangkat ng Japan ay nakasalalay sa paglutas sa matagal nang hamon ng kawalang-tatag na nakadepende sa load. Hindi kailangang manu-manong isa-isang iakma nang masusi ang mga bahagi ng sirkito para sa bawat bagong device o aplikasyon. Sa halip, awtomatikong naiaangkop ng prosesong pinapatakbo ng AI ang disenyo sa iba’t ibang load, kapaligiran, at gamit—kaya higit itong praktikal para sa aktuwal na paggamit.

Lalong mahalaga ang kakayahang umangkop na ito para sa mga umuusbong na aplikasyon gaya ng mga de-kuryenteng sasakyan, robot na pang-industriya, at mga implant na medikal, kung saan maaaring mabilis at hindi inaasahang magbago ang pangangailangan sa enerhiya. Sa pagtitiyak ng matatag at episyenteng suplay ng kuryente sa lahat ng kondisyon, maaaring mapabilis ng teknolohiyang ito ang paggamit ng wireless power sa mga sektor na umaasa pa sa malalaki at mahirap gamitin na kable at connector.

Mula sa Laboratoryo Tungo sa Pang-araw-araw na Buhay: Ang Landas Patungo sa Lipunang Walang Kable

Higit pa sa mga gadget na pangkonsumo ang maaaring maging epekto ng pananaliksik na ito. Nakikita ng pangkat ng Chiba University ang kinabukasang laganap na gaya ng Wi-Fi ang wireless power, na magbibigay-daan sa tuluy-tuloy na pag-charge ng mga device sa mga tahanan, opisina, pabrika, at pampublikong lugar. Maaari ring magpababa sa gastos at laki ng mga WPT system ang pinasimple at hindi nakadepende sa load na disenyo, kaya mas magiging abot-kaya ang mga ito para sa maramihang produksyon at pagsasama sa mga pang-araw-araw na produkto.

Gayunman, gaya ng anumang bagong teknolohiya, may mga hamong kailangang lampasan bago ito malawakang magamit sa komersiyo. Kakailanganin ang karagdagang inhinyeriya, mahigpit na pagsusuri sa kaligtasan, at pagbuo ng mga pamantayan sa industriya upang matiyak ang pagiging maaasahan at pagkakatugma ng iba’t ibang device at tagagawa. Gayunpaman, naniniwala ang mga eksperto na maaaring maging karaniwan ang wireless power sa loob ng susunod na lima hanggang sampung taon dahil sa pambihirang tagumpay na ito.

Gaya ng iniulat ng ColombiaOne.com, “Maaaring lalong mahalaga ang pagbuti para sa mas malalaki at mas masalimuot na baterya, gaya ng mga nasa de-kuryenteng sasakyan, kung saan maaaring magbago nang malaki ang load habang nagcha-charge. Pinapasimple rin ng pamamaraan ang paggawa ng sirkito at maaari nitong pababain ang gastos at laki nito. Layunin ng pangkat na gawing karaniwan ang wireless power sa loob ng lima hanggang sampung taon.”

Artificial Intelligence: Kinabukasan ng Disenyo ng Power Electronics

Bahagi ang pambihirang tagumpay ng Japan ng mas malawak na kalakaran sa electrical engineering: ang pagsasama ng artificial intelligence at machine learning sa disenyo ng hardware. Tradisyonal na matagal at matrabaho ang pagdidisenyo ng power electronics—gaya ng mga inverter, rectifier, at sistema ng wireless power—at nangangailangan ito ng malalim na kaalaman at malawakang pagsubok at pagkakamali.

Pinapabilis ng mga kamakailang pagsulong sa AI, kabilang ang malalaking language model at evolutionary algorithm, ang prosesong ito. Sa pamamagitan ng pag-automate sa pag-optimize ng mga parameter ng sirkito at pagsasaalang-alang sa mga komplikasyon sa totoong buhay, kayang paikliin ng mga kagamitang pangdisenyong pinapatakbo ng AI ang panahon ng pagbuo, bawasan ang pagkakamali ng tao, at magbukas ng bagong antas ng pagganap at episyensiya.

Ayon sa isang kamakailang pagsusuring inilathala sa ScienceDirect, “Ino-optimize ng disenyong pinapatakbo ng AI ang mga parameter ng mga sistemang wireless power transfer na may mataas na frequency. Malaki ang ibinabawas ng mga modelong AI na nakabatay sa GPT sa panahon at pagiging masalimuot ng pagdidisenyo ng power electronics.” Itinatampok ng pagsusuri ang potensiyal ng AI na baguhin hindi lamang ang wireless power kundi ang buong larangan ng power electronics, mula sa transportasyon hanggang sa Internet of Things (IoT).

Ano ang Susunod para sa Wireless Power?

Bagama’t nakabatay sa mga eksperimento sa laboratoryo ang mga resulta ng pangkat ng Chiba University sa ngayon, malawak ang saklaw ng mga prinsipyong pinagbabatayan nito. Habang nahihinog at mas malawak na nagagamit ang mga pamamaraang pangdisenyong pinapatakbo ng AI, maaasahan natin ang mabilis na pagsulong sa pagbuo ng mga praktikal at maaasahang sistemang wireless power para sa iba’t ibang aplikasyon.

Hula ng mga tagamasid sa industriya na maaaring lumitaw sa susunod na dekada ang mga kapaligirang “ganap na walang kable,” kung saan awtomatikong magcha-charge ang mga device pagpasok pa lamang ng mga ito sa isang silid, magre-recharge ang mga sasakyan habang nakaparada o maging habang umaandar, at gagana ang mga kagamitang pang-industriya nang walang hadlang ng mga kable ng kuryente. Bukod sa higit na kaginhawahan, maaari ring mabawasan ng pagbabagong ito ang elektronikong basura, mapabuti ang kaligtasan, at makapagbigay-daan sa mga bagong anyo ng konektibidad at awtomasyon.

Buod

• Bumuo ang mga mananaliksik sa Chiba University sa Japan ng pamamaraang nakabatay sa machine learning na nagbibigay-daan sa matatag at episyenteng paglilipat ng kuryente nang walang kable, anuman ang pagbabago sa load.
• Ibinababa ng pambihirang tagumpay ang pagbabago-bago ng boltahe ng output sa wala pang 5% at itinataas ang episyensiya sa 86.7%, kumpara sa 18% na pagbabago-bago at 65% na episyensiya sa mga karaniwang sistema.
• Gumagamit ang prosesong pangdisenyong pinapatakbo ng AI ng numerikal na pagmomodelo at genetic algorithm upang i-optimize ang mga parameter ng sirkito at lampasan ang mga limitasyon ng tradisyonal na pamamaraang analitikal.
• Maaaring mapabilis ng teknolohiyang ito ang paggamit ng wireless power sa mga smartphone, de-kuryenteng sasakyan, kagamitang pang-industriya, at iba pa, at posibleng gawing karaniwan ang wireless charging sa loob ng 5 hanggang 10 taon.
• Itinatampok ng pananaliksik ang lumalaking papel ng artificial intelligence sa pag-automate at pag-optimize ng disenyo ng power electronics, na nangangako ng mas mabilis na inobasyon at higit na pagiging maaasahan sa hinaharap.