論文の概要: Machine Learning Detection of Lithium Plating in Lithium-ion Cells: A Gaussian Process Approach

• arxiv url: http://arxiv.org/abs/2509.26234v2
• Date: Wed, 01 Oct 2025 01:51:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-02 12:11:26.808481
• Title: Machine Learning Detection of Lithium Plating in Lithium-ion Cells: A Gaussian Process Approach
• Title（参考訳）: リチウムイオンセルにおけるリチウムめっきの機械学習による検出--ガウス過程のアプローチ
• Authors: Ayush Patnaik, Adam B Zufall, Stephen K Robinson, Xinfan Lin,
• Abstract要約: 高速充電中のリチウムめっきは、キャパシティフェードを加速し、破滅的な安全障害を引き起こす重要な劣化機構である。 最近の研究で、DQ/dVのピークが4.0Vを超えることが、めっき開始の確実なサインであると確認されている。 電荷-電圧関係Q(V)を直接キャリブレーションした不確実性を有するプロセスとしてモデル化し,リチウムめっき検出のためのフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lithium plating during fast charging is a critical degradation mechanism that accelerates capacity fade and can trigger catastrophic safety failures. Recent work has identified a distinctive dQ/dV peak above 4.0 V as a reliable signature of plating onset; however, conventional methods for computing dQ/dV rely on finite differencing with filtering, which amplifies sensor noise and introduces bias in peak location. In this paper, we propose a Gaussian Process (GP) framework for lithium plating detection by directly modeling the charge-voltage relationship Q(V) as a stochastic process with calibrated uncertainty. Leveraging the property that derivatives of GPs remain GPs, we infer dQ/dV analytically and probabilistically from the posterior, enabling robust detection without ad hoc smoothing. The framework provides three key benefits: (i) noise-aware inference with hyperparameters learned from data, (ii) closed-form derivatives with credible intervals for uncertainty quantification, and (iii) scalability to online variants suitable for embedded BMS. Experimental validation on Li-ion coin cells across a range of C-rates (0.2C-1C) and temperatures (0-40\deg C) demonstrates that the GP-based method reliably detects plating peaks under low-temperature, high-rate charging, while correctly reporting no peaks in baseline cases. The concurrence of GP-identified differential peaks, reduced charge throughput, and capacity fade measured via reference performance tests confirms the method's accuracy and robustness, establishing a practical pathway for real-time lithium plating detection.
• Abstract（参考訳）: 高速充電中のリチウムめっきは、キャパシティフェードを加速し、破滅的な安全障害を引き起こす重要な劣化機構である。 近年の研究では、4.0V以上の特異なdQ/dVピークを、めっき開始の信頼できる署名として特定しているが、従来のdQ/dV計算方法は、センサーノイズを増幅しピーク位置のバイアスをもたらすフィルタリングによる有限差分に依存している。 本稿では,リチウムめっき検出のためのガウス過程(GP)フレームワークを提案する。 GP の導関数が GP に留まる性質を利用して、dQ/dV を解析的および確率的に後部から推定し、アドホックな平滑化を伴わない堅牢な検出を可能にする。 フレームワークには3つの大きなメリットがある。 (i)データから学習したハイパーパラメータによる雑音認識推論 (ii)不確実な定量化のための信頼区間を持つ閉形式微分、及び 三 組み込みBMSに適したオンライン版へのスケーラビリティ。 各種Cレート(0.2C-1C)および温度(0-40\deg C)のLi-イオンコインセルに対する実験的検証により,GP法は低温・高レート帯電下でのめっきピークを確実に検出し,ベースラインのピークを正確に報告する。 GP同定された差分ピークの一致、電荷スループットの低下、基準性能試験によるキャパシティフェードの測定により、この手法の精度と堅牢性が確認され、リアルタイムリチウムめっき検出のための実用的な経路が確立された。

関連論文リスト

• Surrogate Modelling of Proton Dose with Monte Carlo Dropout Uncertainty Quantification [0.0]
  我々はモンテカルロの投棄を統合し、高速で微分可能な線量予測を提供するニューラルネットワークサロゲートを開発した。 この手法は不確実性情報を保持しつつ,MC上での大幅な高速化を実現する。 プロトン療法におけるロバストな計画、適応的計画、不確実性を考慮した最適化への統合に適している。
  論文  参考訳（メタデータ） (2025-09-16T19:54:49Z)
• RAPID Quantum Detection and Demodulation of Covert Communications: Breaking the Noise Limit with Solid-State Spin Sensors [5.246986428523558]
  固体スピンセンサを用いた秘密電磁信号の検出と復調のための包括的枠組みを提案する。 我々のアプローチはRAPIDと呼ばれ、2段階のハイブリッド戦略であり、窒素空調センターを利用して古典的な騒音床の下を走行する。 この研究は、電子戦争や秘密監視のようなセキュリティクリティカルなアプリケーションに量子センサーを配置するための理論的に厳格で実用的な経路を確立する。
  論文  参考訳（メタデータ） (2025-09-09T22:12:28Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Robust Confinement State Classification with Uncertainty Quantification through Ensembled Data-Driven Methods [39.27649013012046]
  本研究では,不確実性定量化とモデルロバスト性を考慮した閉じ込め状態分類法を開発した。 我々は,TV放電のオフライン解析に焦点をあて,Lモード,Hモード,および中間ディザリング位相(D)を区別する。 302TCV放電のデータセットは完全にラベル付けされ、一般公開される。
  論文  参考訳（メタデータ） (2025-02-24T18:25:22Z)
• A High-accuracy Calibration Method of Transient TSEPs for Power Semiconductor Devices [2.7446241148152257]
  熱感度電気パラメータ(TSEP)法は電力機器の信頼性を高めるために重要である。 本稿では,一過性TSEPの高精度校正法を提案する。 従来の校正法と比較して、平均絶対誤差は30%以上減少する。
  論文  参考訳（メタデータ） (2025-01-09T06:56:47Z)
• On the Convergence of DP-SGD with Adaptive Clipping [56.24689348875711]
  勾配クリッピングによるグラディエントDescentは、微分プライベート最適化を実現するための強力な技術である。 本稿では,量子クリッピング(QC-SGD)を用いたSGDの総合収束解析について述べる。 本稿では,QC-SGDが一定閾値クリッピングSGDに類似したバイアス問題にどのように悩まされているかを示す。
  論文  参考訳（メタデータ） (2024-12-27T20:29:47Z)
• Clarifying Trust of Materials Property Predictions using Neural Networks with Distribution-Specific Uncertainty Quantification [16.36620228609086]
  不確実性(UQ)手法は、機械学習(ML)モデル予測の信頼性を推定することができる。 本稿では,Open Catalyst 2020データセットから合金上の分子のエネルギーを予測するために応用された様々なUQ法について検討する。 証拠レグレッションは、急速に競争力のあるUQ推定を得るための強力なアプローチであることが示されている。
  論文  参考訳（メタデータ） (2023-02-06T07:03:02Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)
• Assessment of weak-coupling approximations on a driven two-level system under dissipation [58.720142291102135]
  我々は, 減散を伴うリウヴィル・ヴォン方程式(Liouville-von equation)と呼ばれる数値的正確かつ非摂動的手法を用いて, 駆動量子ビットについて検討した。 我々は、駆動された量子ビットの定常状態を予測する上で、リンドブラッド方程式の妥当性の規則をマップするために実験で用いられる計量を提案する。
  論文  参考訳（メタデータ） (2020-11-11T22:45:57Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)
• Transferable Calibration with Lower Bias and Variance in Domain Adaptation [139.4332115349543]
  ドメイン適応(DA)は、ラベル付きソースドメインからラベル付きターゲットドメインへの学習マシンの転送を可能にする。 DAモデルの予測的不確実性を推定する方法は、安全クリティカルなシナリオにおける意思決定に不可欠である。 TransCalは既存のDAメソッドの校正に簡単に適用できる。
  論文  参考訳（メタデータ） (2020-07-16T11:09:36Z)

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。