基于机器学习的电化学阻抗谱等效电路模型识别
数据分析、统计与概率
2019-07-04 v1 应用物理
计算物理
摘要
电化学阻抗谱(EIS)是研究电化学系统的有效方法。EIS 数据的解读是该技术面临的最大挑战,需要进行合理的建模。然而,EIS 的建模具有很大的主观性,意味着同一组数据可能存在多种拟合模型。为克服人工分析的不确定性与繁琐性,本研究使用机器学习进行 EIS 模式识别。从文献中收集原始 EIS 数据及其等效电路模型,并采用支持向量机(SVM)对这些数据进行分析。结果表明,我们实现了 EIS 的分类及其等效电路模型的识别,准确率最高达 78%。本研究展示了机器学习在电化学研究中的巨大潜力。
引用
@article{arxiv.1907.01802,
title = {Equivalent Circuit Model Recognition of Electrochemical Impedance Spectroscopy via Machine Learning},
author = {Shan Zhu and Xinyang Sun and Yuxuan Wang and Naiqin Zhao and Junwei Sha},
journal= {arXiv preprint arXiv:1907.01802},
year = {2019}
}