物理信息神经网络改进电池健康预测

研究人员开发了PiDDM，一个将物理信息神经网络与退化动力学相结合的新框架，以改进锂离子电池健康状态的预测。通过结合与固体电解质界面生长和锂库存损失相关的经验Arrhenius退化动力学，PiDDM鼓励物理上一致的容量衰减。在公共数据集上的评估表明，与多层感知机和基线物理信息神经网络相比，PiDDM实现了更低的预测误差，特别是在长期外推场景中，它避免了非物理容量再生。 AI

影响 这项研究为预测电池健康提供了一种更准确、更符合物理规律的方法，有望提高储能系统的可靠性。

排序理由 该集群包含一篇学术论文，详细介绍了电池健康预测的新建模框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Arrhenius degradation kinetics
• arXiv
• lithium-ion battery
• multilayer perceptron
• Physics-Informed Neural Network
• PiDDM
• solid electrolyte interphase

• 论文
• 模型发布
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →