Terobosan Pembelajaran Mesin Jepang Menjanjikan Transfer Daya Nirkabel yang Stabil dan Efisien

Merevolusi Daya Nirkabel: Terobosan Pembelajaran Mesin Jepang

Dalam lompatan besar menuju masa depan yang benar-benar nirkabel, para ilmuwan di Jepang mengungkap metode berbasis pembelajaran mesin yang secara signifikan meningkatkan stabilitas dan efisiensi sistem transfer daya nirkabel (WPT). Inovasi ini dikembangkan oleh tim peneliti di Universitas Chiba dan diterbitkan dalam jurnal bergengsi IEEE Transactions on Circuits and Systems pada Juni 2025. Terobosan tersebut dapat membuka jalan bagi penggunaan pengisian daya nirkabel secara luas, mulai dari ponsel pintar hingga kendaraan listrik dan peralatan industri.

Transfer daya nirkabel, teknologi yang memungkinkan perangkat diisi daya tanpa kabel fisik, telah lama menjadi impian para insinyur dan konsumen. WPT memang sudah digunakan pada produk seperti ponsel pintar, sikat gigi elektrik, dan kompor induksi, tetapi penerapannya yang lebih luas terhambat oleh berbagai tantangan teknis, terutama ketidakstabilan penyaluran daya saat perangkat dengan kebutuhan energi berbeda dihubungkan. Terobosan Jepang ini secara langsung mengatasi masalah tersebut dengan memanfaatkan kecerdasan buatan untuk menciptakan sistem yang menyalurkan daya secara konsisten dan efisien, apa pun perangkat yang sedang diisi daya.

Mengapa Transfer Daya Nirkabel yang Stabil Begitu Sulit?

Pada dasarnya, transfer daya nirkabel bekerja dengan menyalurkan energi melalui medan elektromagnetik. Kumparan pemancar menghasilkan frekuensi tertentu, lalu kumparan penerima yang disetel ke frekuensi yang sama menangkap energi tersebut dan mengubahnya kembali menjadi listrik. Proses yang dikenal sebagai resonansi ini sangat sensitif terhadap karakteristik perangkat penerima, atau "beban".

Sebagai contoh, saat mengisi daya ponsel pintar, resistansi baterai berubah seiring bertambahnya daya. Hal ini dapat menyebabkan fluktuasi tegangan pada sistem WPT konvensional, sehingga pengisian daya lebih lambat, efisiensi berkurang, atau bahkan komponen elektronik yang sensitif rusak. Masalah ini semakin nyata pada baterai berkapasitas lebih besar, seperti baterai kendaraan listrik, yang bebannya dapat berubah drastis selama pengisian.

Solusi konvensional mengandalkan persamaan analitis yang rumit untuk menghitung nilai presisi komponen rangkaian seperti induktor dan kapasitor. Namun, persamaan tersebut sering didasarkan pada asumsi ideal dan tidak memperhitungkan faktor di dunia nyata, seperti toleransi manufaktur, kapasitansi parasit, dan variasi lingkungan. Akibatnya, tegangan keluaran sistem WPT konvensional dapat berfluktuasi hingga 18% saat beban berubah, sementara efisiensinya dapat turun hingga 65%.

Bagaimana Pembelajaran Mesin Mengubah Desain Daya Nirkabel

Tim Universitas Chiba yang dipimpin Profesor Hiroo Sekiya mengatasi tantangan ini dengan memanfaatkan pembelajaran mesin dan optimisasi numerik. Pendekatan mereka memodelkan keseluruhan rangkaian WPT menggunakan persamaan diferensial yang secara akurat mencerminkan perilaku komponen di dunia nyata, termasuk karakteristik nonideal seperti kapasitansi parasit dioda. Persamaan tersebut diselesaikan secara numerik, tahap demi tahap, hingga sistem mencapai kondisi operasi yang stabil.

Untuk mengoptimalkan sistem, para peneliti menggunakan algoritma genetika, jenis kecerdasan buatan yang terinspirasi oleh seleksi alam. Algoritma ini mengevaluasi kinerja berbagai konfigurasi rangkaian berdasarkan sasaran utama: stabilitas tegangan keluaran, efisiensi penyaluran daya, dan rendahnya distorsi harmonik (yang dapat mengganggu perangkat elektronik lain). Algoritma kemudian menyesuaikan parameter rangkaian secara berulang, "mengembangkan" desain hingga mencapai kinerja terbaik dalam berbagai kondisi beban.

Metode berbasis pembelajaran mesin yang sepenuhnya numerik ini memungkinkan operasi yang oleh para insinyur disebut "tidak bergantung pada beban". Dengan kata lain, sistem mempertahankan tegangan keluaran yang stabil dan efisiensi tinggi meskipun beban berubah. Para peneliti mendemonstrasikan teknik tersebut pada sistem WPT kelas EF, topologi yang menggabungkan inverter kelas EF dengan penyearah kelas D. Keduanya dikenal memiliki efisiensi tinggi dan cocok untuk aplikasi daya nirkabel.

Hasil Utama: Peningkatan Drastis pada Stabilitas dan Efisiensi

Hasilnya sangat menonjol. Sistem baru ini mengurangi fluktuasi tegangan keluaran hingga kurang dari 5%, jauh lebih baik dibandingkan fluktuasi sebesar 18% pada desain konvensional. Efisiensi transfer daya melonjak hingga 86,7% pada frekuensi 6,78 MHz, dengan daya keluaran lebih dari 23 watt. Sebagai perbandingan, sistem konvensional kerap kesulitan mempertahankan efisiensi di atas 65% saat beban berubah.

Yang tak kalah penting, pendekatan pembelajaran mesin ini juga meningkatkan kinerja pada beban ringan, kondisi yang sangat rentan menyebabkan ketidakstabilan pada sistem konvensional. Dengan memodelkan karakteristik komponen di dunia nyata secara akurat, sistem ini menjaga disipasi energi pada kumparan transmisi nyaris konstan untuk berbagai beban, yang menunjukkan pengaturan arus efektif dan energi terbuang yang minimal.

Penulis utama, Profesor Hiroo Sekiya, menjelaskan, "Pendekatan pembelajaran mesin kami memodelkan sistem secara virtual, menjalankan simulasi, dan menggunakan kecerdasan buatan untuk mengoptimalkan kinerja dengan mengurangi energi yang hilang sebagai panas serta menjaga kualitas sinyal."

Apa yang Membuat Terobosan Ini Berbeda?

Meski pengisian daya nirkabel bukan hal baru, pencapaian tim Jepang ini terletak pada keberhasilannya mengatasi masalah ketidakstabilan yang selama ini bergantung pada beban. Metode mereka tidak memerlukan penyetelan manual komponen rangkaian secara teliti untuk setiap perangkat atau aplikasi baru. Sebaliknya, proses desain berbasis AI dapat secara otomatis menyesuaikan sistem dengan beban, lingkungan, dan kebutuhan penggunaan yang berbeda, sehingga penerapannya di dunia nyata jauh lebih praktis.

Fleksibilitas ini sangat bermanfaat untuk aplikasi yang tengah berkembang, seperti kendaraan listrik, robot industri, dan implan medis, yang kebutuhan energinya dapat berubah dengan cepat dan tak terduga. Dengan memastikan penyaluran daya tetap stabil dan efisien dalam segala kondisi, teknologi ini dapat mempercepat penerapan daya nirkabel di sektor-sektor yang selama ini mengandalkan kabel dan konektor yang merepotkan.

Dari Laboratorium ke Kehidupan Sehari-hari: Jalan Menuju Masyarakat Nirkabel

Dampak penelitian ini jauh melampaui gawai konsumen. Tim Universitas Chiba membayangkan masa depan ketika daya nirkabel tersebar luas seperti Wi-Fi, sehingga perangkat dapat diisi daya dengan mudah di rumah, kantor, pabrik, dan ruang publik. Desain yang lebih sederhana dan tidak bergantung pada beban ini juga dapat mengurangi biaya dan ukuran sistem WPT, sehingga lebih mudah diproduksi massal dan diintegrasikan ke dalam produk sehari-hari.

Namun, seperti teknologi baru lainnya, masih ada sejumlah tantangan yang harus diatasi sebelum teknologi ini dapat digunakan secara luas secara komersial. Rekayasa lebih lanjut, pengujian keselamatan yang ketat, serta pengembangan standar industri akan sangat penting untuk memastikan keandalan dan interoperabilitas berbagai perangkat dan produsen. Meski demikian, para ahli meyakini terobosan ini dapat menjadikan daya nirkabel sebagai hal yang umum dalam lima hingga sepuluh tahun ke depan.

Seperti dilaporkan oleh ColombiaOne.com, "Peningkatan ini dapat sangat berarti bagi baterai yang lebih besar dan kompleks, seperti baterai kendaraan listrik, yang beban pengisiannya dapat berubah drastis. Metode ini juga menyederhanakan konstruksi rangkaian dan dapat mengurangi biaya serta ukuran. Tim tersebut menargetkan agar daya nirkabel menjadi hal yang umum dalam lima hingga sepuluh tahun."

Kecerdasan Buatan: Masa Depan Desain Elektronika Daya

Terobosan Jepang ini merupakan bagian dari tren yang lebih luas dalam teknik elektro: integrasi kecerdasan buatan dan pembelajaran mesin ke dalam desain perangkat keras. Secara tradisional, perancangan elektronika daya, seperti inverter, penyearah, dan sistem daya nirkabel, merupakan proses padat karya yang membutuhkan keahlian mendalam serta uji coba berulang.

Perkembangan AI terkini, termasuk model bahasa besar dan algoritma evolusioner, menyederhanakan proses ini. Dengan mengotomatiskan optimisasi parameter rangkaian dan memperhitungkan kompleksitas dunia nyata, perangkat desain berbasis AI dapat memangkas waktu pengembangan, meminimalkan kesalahan manusia, serta membuka tingkat kinerja dan efisiensi yang baru.

Menurut tinjauan terbaru yang diterbitkan di ScienceDirect, "Desain berbasis AI mengoptimalkan parameter sistem transfer daya nirkabel berfrekuensi tinggi. Model AI berbasis GPT secara signifikan mengurangi waktu dan kompleksitas desain elektronika daya." Tinjauan tersebut menyoroti potensi AI untuk merevolusi bukan hanya daya nirkabel, melainkan seluruh bidang elektronika daya, mulai dari transportasi hingga Internet untuk Segala (IoT).

Apa Langkah Berikutnya untuk Daya Nirkabel?

Meski hasil tim Universitas Chiba saat ini masih didasarkan pada eksperimen laboratorium, prinsip-prinsip dasarnya dapat diterapkan secara luas. Seiring semakin matangnya metode desain berbasis AI dan semakin luas penggunaannya, kita dapat mengharapkan kemajuan pesat dalam pengembangan sistem daya nirkabel yang praktis dan andal untuk beragam aplikasi.

Para pengamat industri memperkirakan bahwa dalam satu dekade mendatang, lingkungan "sepenuhnya nirkabel" dapat mulai terwujud. Perangkat akan mengisi daya secara otomatis begitu memasuki ruangan, kendaraan akan mengisi ulang daya saat diparkir atau bahkan saat melaju, dan peralatan industri akan beroperasi tanpa batasan kabel daya. Perubahan tersebut tidak hanya meningkatkan kenyamanan, tetapi juga mengurangi limbah elektronik, meningkatkan keselamatan, serta memungkinkan bentuk konektivitas dan otomasi baru.

Ringkasan

• Peneliti Jepang di Universitas Chiba mengembangkan metode berbasis pembelajaran mesin yang memungkinkan transfer daya nirkabel tetap stabil dan efisien meskipun beban berubah.
• Terobosan ini mengurangi fluktuasi tegangan keluaran hingga di bawah 5% dan meningkatkan efisiensi menjadi 86,7%, dibandingkan fluktuasi 18% dan efisiensi 65% pada sistem konvensional.
• Proses desain berbasis AI menggunakan pemodelan numerik dan algoritma genetika untuk mengoptimalkan parameter rangkaian, sehingga mengatasi keterbatasan metode analitis tradisional.
• Teknologi ini dapat mempercepat penggunaan daya nirkabel pada ponsel pintar, kendaraan listrik, peralatan industri, dan lainnya, serta berpotensi menjadikan pengisian daya nirkabel sebagai hal yang umum dalam lima hingga sepuluh tahun.
• Penelitian ini menyoroti peran kecerdasan buatan yang kian besar dalam mengotomatiskan dan mengoptimalkan desain elektronika daya, sehingga menjanjikan inovasi yang lebih cepat dan keandalan yang lebih tinggi pada masa depan.