BatteryML：一个用于电池退化机器学习的开源平台
机器学习
2024-05-17 v5 人工智能
摘要
电池退化仍是储能领域的关键问题，而机器学习作为推动洞察与解决方案的有力工具正在兴起。然而，电化学科学与机器学习的交叉带来了复杂挑战。机器学习专家常困扰于电池科学的复杂性，而电池研究人员在适配针对特定数据集的复杂模型时面临障碍。除此之外，一个涵盖数据格式与评估基准的电池退化建模统一标准明显缺失。认识到这些障碍，我们提出 BatteryML——一个一站式、全面且开源的平台，旨在统一数据预处理、特征提取以及传统与当前最优模型的实现。这种精简方法有望提升研究应用的实用性与效率。BatteryML 力求填补这一空白，营造一种环境，使来自不同专业领域的专家能够协作贡献，从而提升电池研究的集体认知与进展。我们的项目代码已在 GitHub 上公开：https://github.com/microsoft/BatteryML。
引用
@article{arxiv.2310.14714,
title = {BatteryML:An Open-source platform for Machine Learning on Battery Degradation},
author = {Han Zhang and Xiaofan Gui and Shun Zheng and Ziheng Lu and Yuqi Li and Jiang Bian},
journal= {arXiv preprint arXiv:2310.14714},
year = {2024}
}