通过减少对噪声低频数据的依赖来加速电化学阻抗谱测量

电化学阻抗谱（EIS）是探测电化学系统中动力学和传输过程的强大工具，但其实际应用常常受到低频测量时间长和噪声敏感性的限制。在此，我们提出了一种统计推断辅助框架，通过增加更清洁的高频区域的采样密度来减少对低频采样的依赖。使用AutoEIS和贝叶斯推断，将增强的高频数据拟合到选定的等效电路模型（ECM）上，以重建完整的阻抗谱并量化参数不确定性。为了评估重建性能，我们引入了临界频率（fc），定义为仍能可靠恢复完整EIS响应的最高截止频率。结果表明，额外的高频采样不仅可以将fc移至更高值，还可以减少总测量时间。具体的改进取决于EIS数据的噪声水平、添加的数据点数量以及ECM结构。总体而言，这项工作为设计快速高效的EIS数据采集提供了一个实用框架，并为在实际电化学表征中应用部分频率EIS重建提供了指导。