An Analog Low-Power Highly-Accurate Link-Adaptive Energy Storage Efficiency Maximizer for Resonant CM Wireless Power Receivers
Notice bibliographique
Résumé
Summary form only given. The power delivered wirelessly to implantable neural interfaces supplies two categories of loads with distinct consumption patterns: small-and-continuous (e.g., recording circuits, signal conditioning) or large-and-intermittent (e.g., electrical stimulation, wireless transmission). For the weakly-coupled mm-scale implants, the induced power level at the receiver coil (Rx) is typically far below the required instantaneous power of the large-intermittent loads. Therefore, these loads could only be supplied through storage of excess incoming energy during their off cycles. As such, the energy storage efficiency determines how often and how powerful a high-power event (e.g., data transmission, stimulation) could take place. Motivated by this, a variety of circuit ideas for energy delivery optimization are reported, mostly focused on current-mode (CM) receivers, mainly due to their superior performance in weakly-coupled links (compared to voltage-mode receivers). However, the optimization is either done only for resistive loads (i.e., not optimizing storage efficiency), or done pre-operation (i.e., offline), hence, not adaptive to link variations (e.g., implant movements, media changes, etc.). We present a low-power integrated circuit (IC) that senses the peak voltage at the Rx coil (VRX(peak)), calculates the optimal timing scheme for maximum energy storage efficiency in real time, and operates the CM receiver accordingly. This closed-loop scheme makes the presented work adaptive to any link variation and needless of calibration.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».