革新無線電力：日本在機器學習領域的突破
日本科學家公布一種以機器學習為基礎的方法，大幅提升無線電力傳輸（WPT）系統的穩定性與效率，朝真正無線化的未來邁出一大步。這項創新由千葉大學研究團隊開發，並於 2025 年 6 月刊登在知名期刊 IEEE Transactions on Circuits and Systems。這項技術有望推動無線充電普及，應用範圍從智慧型手機、電動車到工業設備。
目錄
無線電力傳輸是一種讓裝置不必連接實體電線就能充電的技術，長期以來一直是工程師與消費者的夢想。WPT 已應用於智慧型手機、電動牙刷和電磁爐等產品，但要進一步普及，仍受技術難題所阻，其中最顯著的問題是，當連接的裝置有不同的能源需求時，供電容易不穩定。日本這項突破正面解決了這個問題，運用人工智慧打造無論為何種裝置充電，都能穩定且有效率供電的系統。
穩定的無線電力傳輸為何如此困難？
無線電力傳輸的核心原理，是透過電磁場傳送能量。發射線圈會產生特定頻率，調諧至相同頻率的接收線圈則會擷取能量，再將其轉換回電力。這個過程稱為共振，對接收裝置（即「負載」）的特性相當敏感。
例如，智慧型手機充電時，電池的電阻會隨著電量增加而改變，這可能導致傳統 WPT 系統的電壓波動，造成充電速度變慢、效率降低，甚至損壞敏感的電子元件。電動車等使用較大型電池的裝置，問題會更加明顯，因為充電期間的負載可能大幅變化。
傳統解決方案仰賴複雜的解析方程式，計算電感器和電容器等電路元件的精確數值。然而，這些方程式往往建立在理想化假設上，無法納入製造公差、寄生電容和環境變化等現實因素。因此，傳統 WPT 系統在負載改變時，輸出電壓可能出現高達 18% 的波動，效率也可能降至 65%。
機器學習如何改變無線電力設計
由關大博教授帶領的千葉大學團隊，運用機器學習與數值最佳化來克服這些挑戰。他們以微分方程式建立整個 WPT 電路的模型，精確呈現實際元件的運作情況，包括二極體寄生電容等非理想特性。研究人員逐步以數值方法求解這些方程式，直到系統達到穩定運作狀態。
為了最佳化系統，研究人員採用遺傳演算法，這是一種以自然選擇為靈感的人工智慧方法。演算法會依據幾項關鍵目標，評估不同電路配置的效能：輸出電壓穩定性、電力傳輸效率，以及低諧波失真（避免干擾其他電子設備）。接著，演算法會反覆調整電路參數，讓設計逐步「演化」，直到在各種負載條件下都達到最佳效能。
這種完全以數值方法為基礎的機器學習技術，讓工程師所稱的「與負載無關」運作成為可能。換句話說，即使負載變化，系統仍能維持穩定的輸出電壓與高效率。研究人員以 E 類 EF 型 WPT 系統展示這項技術；這種拓撲結合了 E 類 EF 反相器與 D 類整流器，兩者都以效率高且適用於無線電力應用著稱。
關鍵成果：穩定性與效率大幅提升
研究成果令人矚目。新系統將輸出電壓波動降至 5% 以下，相較於傳統設計的 18% 波動，大幅改善。系統在 6.78 MHz 下的電力傳輸效率達到 86.7%，輸出功率超過 23 瓦。相較之下，傳統系統在負載變化時，效率往往難以維持在 65% 以上。
重要的是，機器學習方法也改善了輕載時的效能；傳統系統在這種情況下尤其容易不穩定。透過精確建模實際元件特性的影響，系統讓傳輸線圈的能量耗散在不同負載下幾乎維持不變，顯示電流調節有效，且能量浪費極少。
論文第一作者關大博教授表示：「我們的機器學習方法會建立系統的虛擬模型、執行模擬，再運用人工智慧最佳化效能，減少以熱能形式流失的能量，同時維持訊號品質。」
這項突破有何不同？
無線充電並非新技術，日本團隊的成果在於克服長期存在的負載相關不穩定問題。他們的方法不必為每種新裝置或應用逐一耗費大量時間手動調校電路元件，而是透過 AI 設計流程自動適應不同負載、環境和使用情境，讓技術更適合實際部署。
這種靈活性對電動車、工業機器人和醫療植入裝置等新興應用尤其重要，因為這些設備的能源需求可能快速且難以預測地變化。這項技術可確保各種條件下都能穩定且有效率地供電，進而加速無線電力在過去仰賴笨重電線和連接器的領域普及。
從實驗室走入日常生活：邁向無線社會
這項研究的影響遠不止於消費性電子產品。千葉大學團隊設想，未來無線電力將如 Wi-Fi 一樣普及，讓家中、辦公室、工廠和公共空間的裝置都能無縫充電。簡化且與負載無關的設計，也有望降低 WPT 系統的成本與體積，讓這項技術更容易量產並整合至日常產品中。
然而，和任何新技術一樣，在商業化普及之前仍有難關要克服。進一步的工程開發、嚴格的安全測試，以及產業標準的制定，都是確保不同裝置與製造商之間可靠運作及互通的重要條件。儘管如此，專家認為，這項突破有望在未來五至十年內讓無線電力普及。
根據 ColombiaOne.com 報導：「這項改進對電動車等使用更大型、結構更複雜電池的裝置尤其重要，因為充電負載可能大幅變化。這種方法也能簡化電路建構，並有望降低成本與體積。研究團隊的目標是在五至十年內讓無線電力普及。」
人工智慧：電力電子設計的未來
日本這項突破是電機工程領域更廣泛趨勢的一部分：將人工智慧與機器學習整合至硬體設計。過去，設計反相器、整流器和無線電力系統等電力電子設備，既耗費人力，也需要深厚的專業知識，並仰賴大量反覆試驗。
人工智慧近期的進展，包括大型語言模型與演化演算法，正讓這個流程更有效率。AI 設計工具能自動最佳化電路參數，並將現實世界的複雜因素納入考量，從而縮短開發時間、減少人為錯誤，並實現更高的效能與效率。
根據近期刊登於 ScienceDirect 的一篇回顧文章：「AI 驅動的設計可最佳化高頻無線電力傳輸系統的參數。以 GPT 為基礎的 AI 模型能大幅縮短電力電子設計所需的時間，並降低其複雜度。」這篇回顧指出，人工智慧不只能革新無線電力，也有望改變從交通運輸到物聯網（IoT）的整個電力電子領域。
無線電力的下一步是什麼？
千葉大學團隊目前的成果雖然以實驗室實驗為基礎，但其原理適用範圍廣泛。隨著 AI 驅動的設計方法日益成熟並廣泛採用，實用且可靠的無線電力系統可望快速發展，應用於各種不同領域。
產業觀察人士預測，未來十年可能出現「完全無線」的環境：裝置一進入房間就會自動充電，車輛停放時甚至行駛中都能補充電力，工業設備也不再受電線限制。這種轉變不僅能提升便利性，也有助減少電子廢棄物、提升安全性，並開啟新型態的連結與自動化應用。
總結
- 日本千葉大學研究人員開發出以機器學習為基礎的方法，即使負載改變，也能實現穩定且有效率的無線電力傳輸。
- 這項突破將輸出電壓波動降至 5% 以下，並將效率提升至 86.7%；傳統系統的電壓波動可達 18%，效率則為 65%。
- AI 驅動的設計流程運用數值建模與遺傳演算法最佳化電路參數，克服傳統解析方法的限制。
- 這項技術有望加速無線電力在智慧型手機、電動車、工業設備等領域的普及，並可能在未來 5 至 10 年內讓無線充電成為常見技術。
- 這項研究凸顯人工智慧在自動化與最佳化電力電子設計方面日益重要的作用，為未來更快速的創新與更高的可靠性帶來希望。
