评估不同损失函数用于将等效电路模型拟合到电化学阻抗谱数据
机器学习
2025-10-14 v1 材料科学
摘要
电化学阻抗谱 (EIS) 数据通常使用等效电路模型 (ECM) 进行建模, 通过非线性最小二乘拟合最小化损失函数来获得参数。本文引入了两种新损失函数, log-B 和 log-BW, 源自 EIS 的 Bode 表示。使用大量生成的 EIS 数据集, 所提出损失函数的性能与现有损失函数在 R² 分数、卡方、计算效率和预测组件值与原始值之间的平均绝对百分比误差 (MAPE) 方面进行了评估。统计比较表明, 损失函数的选择影响收敛性、计算效率、拟合质量和 MAPE。我们的分析表明, X² 损失函数（残差平方和加比例加权）在多个拟合质量指标上取得了最高性能, 使其成为当拟合质量为主要目标时的首选。另一方面, log-B 在拟合质量略低的同时, 速度大约快 1.4 倍, 并且对大多数电路组件产生了较低的 MAPE, 使其成为一个强有力的替代方案。这对于数据驱动应用中的大规模最小二乘拟合, 例如在大型数据集上训练机器学习模型或迭代, 是一个关键因素。
引用
@article{arxiv.2510.09662,
title = {Assessment of different loss functions for fitting equivalent circuit models to electrochemical impedance spectroscopy data},
author = {Ali Jaberi and Amin Sadeghi and Runze Zhang and Zhaoyang Zhao and Qiuyu Shi and Robert Black and Zoya Sadighi and Jason Hattrick-Simpers},
journal= {arXiv preprint arXiv:2510.09662},
year = {2025}
}