論文の概要: Demonstrating Linked Battery Data To Accelerate Knowledge Flow in Battery Science

• arxiv url: http://arxiv.org/abs/2410.23303v1
• Date: Wed, 16 Oct 2024 14:12:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 13:03:17.884939
• Title: Demonstrating Linked Battery Data To Accelerate Knowledge Flow in Battery Science
• Title（参考訳）: バッテリー科学の知識の流れを加速するために、リンクしたバッテリデータを実証する
• Authors: Philipp Dechent, Elias Barbers, Simon Clark, Susanne Lehner, Brady Planden, Masaki Adachi, David A. Howey, Sabine Paarmann,
• Abstract要約: 電池は気候にやさしい未来へ移行する上で重要な要素であり、バッテリー研究の急増につながっている。 スコプスは、2023年だけで「リチウムイオン電池」に言及した14,388の論文を挙げている。 本稿では、この情報過負荷を管理するための構造化データ、意味データ、リンクデータに基づく戦略について論じる。
• 参考スコア（独自算出の注目度）: 0.5804487044220691
• License:
• Abstract: Batteries are pivotal for transitioning to a climate-friendly future, leading to a surge in battery research. Scopus (Elsevier) lists 14,388 papers that mention "lithium-ion battery" in 2023 alone, making it infeasible for individuals to keep up. This paper discusses strategies based on structured, semantic, and linked data to manage this information overload. Structured data follows a predefined, machine-readable format; semantic data includes metadata for context; linked data references other semantic data, forming a web of interconnected information. We use a battery-related ontology, BattINFO to standardise terms and enable automated data extraction and analysis. Our methodology integrates full-text search and machine-readable data, enhancing data retrieval and battery testing. We aim to unify commercial cell information and develop tools for the battery community such as manufacturer-independent cycling procedure descriptions and external memory for Large Language Models. Although only a first step, this approach significantly accelerates battery research and digitalizes battery testing, inviting community participation for continuous improvement. We provide the structured data and the tools to access them as open source.
• Abstract（参考訳）: 電池は気候にやさしい未来へ移行する上で重要な要素であり、バッテリー研究の急増につながっている。 スコプス(エルゼヴィエ)は、2023年だけで「リチウムイオン電池」に言及した14,388の論文を挙げている。 本稿では、この情報過負荷を管理するための構造化データ、意味データ、リンクデータに基づく戦略について論じる。 構造化データは事前に定義された機械可読フォーマットに従い、セマンティックデータはコンテキストのメタデータを含み、リンクされたデータは他のセマンティックデータを参照し、相互接続された情報のウェブを形成する。 バッテリ関連のオントロジーであるBattINFOを使って、用語を標準化し、自動データ抽出と分析を可能にします。 本手法は,全文検索と機械可読データを統合し,データ検索とバッテリテストを強化する。 我々は,商用セル情報を統一し,製造業者に依存しないサイクリング手順記述や大規模言語モデルのための外部メモリなど,バッテリーコミュニティのためのツールを開発することを目的としている。 最初のステップに過ぎないが、このアプローチはバッテリ研究を著しく加速し、バッテリテストのデジタル化を図り、継続的な改善のためにコミュニティの参加を促す。 構造化されたデータと、それらをオープンソースとしてアクセスするためのツールを提供しています。

関連論文リスト

• Text-to-Battery Recipe: A language modeling-based protocol for automatic battery recipe extraction and retrieval [5.3498018871204245]
  本稿では,エンド・ツー・エンドのバッテリレシピの自動抽出のための言語モデリングベースのプロトコルであるText-to-Battery Recipe (T2BR)を提案する。 提案プロトコルは,バッテリ材料文献のレビューを著しく加速し,バッテリ設計・開発におけるイノベーションを触媒する。
  論文  参考訳（メタデータ） (2024-07-22T08:15:02Z)
• Long-Span Question-Answering: Automatic Question Generation and QA-System Ranking via Side-by-Side Evaluation [65.16137964758612]
  大規模言語モデルにおける長文文の活用について検討し,本書全体の読解データを作成する。 我々の目的は、長いテキストの詳細な理解を必要とする問題を分析し、理解し、推論するLLMの能力をテストすることである。
  論文  参考訳（メタデータ） (2024-05-31T20:15:10Z)
• Cycle Life Prediction for Lithium-ion Batteries: Machine Learning and More [0.0]
  電池は複雑な非線形時効を持つ動的システムである。 このチュートリアルは、第一原理、機械学習、ハイブリッドバッテリーモデルの概要から始まる。 機械学習モデルの課題を強調し、ハイブリッドモデリングアプローチにおける物理の組み入れを動機づける。
  論文  参考訳（メタデータ） (2024-04-05T12:05:20Z)
• Text2Data: Low-Resource Data Generation with Textual Control [104.38011760992637]
  自然言語は、人間が機械とシームレスに対話するための共通かつ直接的な制御信号として機能する。 ラベルのないデータを用いて教師なし拡散モデルを用いて基礎となるデータ分布を理解する新しいアプローチであるText2Dataを提案する。 制御性を確保し、破滅的な忘れを効果的に防止する、新しい制約最適化ベースの学習目標を通じて制御可能な微調整を行う。
  論文  参考訳（メタデータ） (2024-02-08T03:41:39Z)
• Dolma: an Open Corpus of Three Trillion Tokens for Language Model Pretraining Research [139.69207791947738]
  ドルマ (Dolma) は、ウェブコンテンツ、科学論文、コード、パブリックドメインの書籍、ソーシャルメディア、百科事典の素材を多用した3トリルの英語コーパスである。 我々はDolmaの設計原則、その構築の詳細、内容の要約を含む、Dolmaを文書化します。 我々は、重要なデータキュレーションの実践について学んだことを共有するために、Dolmaの中間状態の分析と実験結果を示す。
  論文  参考訳（メタデータ） (2024-01-31T20:29:50Z)
• BatteryML:An Open-source platform for Machine Learning on Battery Degradation [15.469939183346467]
  BatteryML - データ前処理、機能抽出、そして従来のモデルと最先端モデルの両方の実装を統合するために設計された、ワンステップで全エンコンパス、オープンソースプラットフォームを提供する。 この合理化されたアプローチは、研究アプリケーションの実用性と効率を高めることを約束する。
  論文  参考訳（メタデータ） (2023-10-23T08:51:05Z)
• Active Retrieval Augmented Generation [123.68874416084499]
  外部知識資源から情報を取得することで、大きな言語モデル(LM)を拡張することは、有望な解決策である。 ほとんどの既存の検索拡張LMは、入力に基づいて一度だけ情報を検索する検索と生成のセットアップを採用している。 本稿では,将来的な内容を予測するために,文の予測を反復的に利用する汎用手法であるフォワード・フォワード・アクティブ・レトリヴァル・ジェネレーション・ジェネレーション(FLARE)を提案する。
  論文  参考訳（メタデータ） (2023-05-11T17:13:40Z)
• A Deep Learning Approach Towards Generating High-fidelity Diverse Synthetic Battery Datasets [0.0]
  高忠実度バッテリデータセットを合成するためのDeep Learningベースの手法をいくつか導入する。 これらの強化された合成データセットは、バッテリー研究者がより良い推定モデルを構築するのに役立つ。
  論文  参考訳（メタデータ） (2023-04-09T05:41:21Z)
• The Semantic Scholar Open Data Platform [79.4493235243312]
  セマンティック・スカラー(Semantic Scholar、S2)は、学術文献の発見と理解を支援することを目的としたオープンデータプラットフォームおよびウェブサイトである。 我々は、学術的なPDFコンテンツ抽出と知識グラフの自動構築のための最先端技術を用いて、パブリックおよびプロプライエタリなデータソースを組み合わせる。 このグラフには、構造解析されたテキスト、自然言語要約、ベクトル埋め込みなどの高度な意味的特徴が含まれている。
  論文  参考訳（メタデータ） (2023-01-24T17:13:08Z)
• EVBattery: A Large-Scale Electric Vehicle Dataset for Battery Health and Capacity Estimation [15.169440280225647]
  電気自動車(EV)は二酸化炭素排出量を減らす上で重要な役割を果たしている。 EVの採用が加速するにつれ、EVバッテリーによる安全性の問題が重要な研究トピックとなっている。 この課題に対して,データ駆動方式のベンチマークと開発を行うため,EVバッテリの大規模かつ包括的なデータセットを導入する。 我々のデータセットは、実世界のバッテリーデータに関する最初の大規模な公開データセットであり、既存のデータには数台の車両しか含まれていないか、実験室で収集されている。
  論文  参考訳（メタデータ） (2022-01-28T10:06:39Z)
• Data-to-text Generation with Macro Planning [61.265321323312286]
  本稿では,マクロ計画段階のニューラルモデルと,従来の手法を連想させる生成段階を提案する。 提案手法は, 自動評価と人的評価の両面で, 競争ベースラインを上回っている。
  論文  参考訳（メタデータ） (2021-02-04T16:32:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。