面向可穿戴生物传感器的宽带热电能源收集：基于等离子体场增强与机器学习引导的器件优化
计算工程、金融与科学
2025-12-10 v1
摘要
可穿戴生物传感器日益需要持续且无需电池的供电源，但传统贴身热电发电因实际环境中的温差较小而受限。本工作引入一种混合热等离子体热电能源收集器，结合多带等离子体吸收与机器学习引导优化，提升体内能量转换效率。设计由十字形狄尔金纳米天线构成的宽带超表面结构，能够吸收2至12微米范围内的红外辐射，捕获人体辐射、环境红外辐射及近红外阳光。电磁仿真显示，纳米天线间隙内场强显著增强，产生局部热等离子体加热，直接作用于柔性BiTe热电异构体。耦合的光热电模型表明，局部加热将有效温差从常规可穿戴热电发电的典型3至4℃提升至约13℃，实现约0.15 mW/cm^2$大于0.92），并通过帕累托前沿分析识别最优器件几何结构。该混合热等离子体、热电与机器学习框架为实现更高效、更紧凑且柔性的能源收集器提供了可扩展路径，支持自主式和长期可穿戴生理监测。
引用
@article{arxiv.2512.08103,
title = {Broadband Thermoelectric Energy Harvesting for Wearable Biosensors Using Plasmonic Field-Enhancement and Machine-Learning-Guided Device Optimization},
author = {Hamidreza Moradi and Melika Filvantorkaman},
journal= {arXiv preprint arXiv:2512.08103},
year = {2025}
}
备注
7 Figure, 35 pages