論文の概要: ALBATROSS: A robotised system for high-throughput electrolyte screening via automated electrolyte formulation, coin-cell fabrication, and electrochemical evaluation

• arxiv url: http://arxiv.org/abs/2512.13198v1
• Date: Mon, 15 Dec 2025 11:13:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.348912
• Title: ALBATROSS: A robotised system for high-throughput electrolyte screening via automated electrolyte formulation, coin-cell fabrication, and electrochemical evaluation
• Title（参考訳）: ALBATROSS: 自動電解質製剤, コインセル製造, 電気化学的評価による高出力電解質スクリーニングのためのロボットシステム
• Authors: Hyun-Gi Lee, Jaekyeong Han, Minjun Kwon, Hyeonuk Kwon, Jooha Park, Hoe Jin Ha, Dong-Hwa Seo,
• Abstract要約: ALBATROSSは、電解質の定式化、コインセルの組立、電気化学的評価が可能な自動化システムである。 研究者の介入なしに最大48個の細胞の完全な自動組み立てとテストを可能にする。
• 参考スコア（独自算出の注目度）: 8.37678754163832
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As battery technologies advance toward higher stability and energy density, the need for extensive cell-level testing across various component configurations becomes critical. To evaluate performance and understand the operating principles of batteries in laboratory scale, fabrication and evaluation of coin cells are essential processes. However, the conventional coin-cell assembly and testing processes require significant time and labor from researchers, posing challenges to high-throughput screening research. In this study, we introduce an Automated Li-ion BAttery Testing RObot SyStem (ALBATROSS), an automated system capable of electrolyte formulation, coin-cell assembly, and electrochemical evaluation. The system, integrated within a argon-filled glovebox, enables fully automated assembly and testing of up to 48 cells without researcher intervention. By incorporating custom-designed robot gripper and 3D-printed structures optimized for precise cell handling, ALBATROSS achieved high assembly reliability, yielding a relative standard deviation (RSD) of less than 1.2% in discharge capacity and a standard deviation of less than 3 Ω in EIS measurements for NCM811||Li half cells. Owing to its high reliability and automation capability, ALBATROSS allows for the acquisition of high-quality coin-cell datasets, which are expected to accelerate the development of next-generation electrolytes.
• Abstract（参考訳）: 電池技術がより高い安定性とエネルギー密度に向かって進むにつれ、様々な構成構成にまたがる広範なセルレベルのテストの必要性が重要となる。 実験室規模での電池の性能評価と動作原理を理解するためには、コインセルの製造と評価が不可欠である。 しかし、従来のコイン・セル・アセンブリーとテストのプロセスは、研究者によるかなりの時間と労力を必要とし、高スループットスクリーニング研究に挑戦する。 本研究では, 電気電解, コインセルアセンブリ, 電気化学的評価が可能な自動システムであるALBATROSS (Automated Li-ion BAttery Testing RObot SyStem) を紹介する。 このシステムはアルゴン充填グローブボックスに組み込まれており、研究者の介入なしに最大48個の細胞の完全な自動組み立てとテストを可能にする。 精密セルハンドリングに最適化されたカスタムデザインのロボットグリップと3Dプリント構造を組み込むことで、ALBATROSSは高い組み立て信頼性を達成し、放電容量が1.2%未満の相対標準偏差(RSD)と、NCM811||LiハーフセルのESI測定において3 Ω未満の標準偏差(標準偏差)を得た。 高い信頼性と自動化能力のため、ALBATROSSは高品質のコインセルデータセットの取得を可能にし、次世代電解質の開発を加速することが期待されている。

関連論文リスト

• A Robotic Testing Platform for Pipelined Discovery of Resilient Soft Actuators [63.07587517846448]
  本稿では,DEA寿命をスキャンできる新しいテストロボットによって実現された最適化パイプラインを提案する。 ロボットは、電気機械特性測定、プログラム可能な電圧入力、マルチチャネルテスト能力を統合する。 これを用いて,入力電圧等級,周波数,電極物質濃度,電気接続フィラーなど,Elastosil系リニアアクチュエータの寿命を走査した。
  論文  参考訳（メタデータ） (2026-02-24T14:41:28Z)
• A Lightweight Transfer Learning-Based State-of-Health Monitoring with Application to Lithium-ion Batteries in Autonomous Air Vehicles [53.158733310637295]
  トランスファーラーニングは、データ豊富なソース作業条件から知識を活用するための有望なテクニックである。 従来のTL-based state-of-health(SOH)モニタリングは、ポータブルモバイルデバイスに適用すると実現不可能である。 本稿では,CITLを用いた軽量SOHモニタリング手法を提案する。
  論文  参考訳（メタデータ） (2025-12-09T11:54:09Z)
• AI-Driven Discovery of High Performance Polymer Electrodes for Next-Generation Batteries [0.0]
  電池における遷移基金属の使用は、リチウム、コバルト、ニッケルといった重要な元素を広範囲に使用する必要がある。 これらの金属を酸化還元活性有機材料に置き換えることで、電池の炭素フットプリントを1桁減らすことができる。 低い電圧と特定の容量の制限を克服するために、機械学習駆動の電池情報処理フレームワークを開発し、実装する。
  論文  参考訳（メタデータ） (2025-02-19T17:32:17Z)
• Adapting Amidst Degradation: Cross Domain Li-ion Battery Health Estimation via Physics-Guided Test-Time Training [19.606703130917325]
  リチウムイオン電池(LIB)の健康モデリングは、安全で効率的なエネルギー管理に不可欠であり、社会経済的に重要な意味を持つ。 本稿では,劣化中の各対象データ(UTD)を連続的に使用してモデルを適応させる,実践的なテストタイムトレーニングフレームワークであるBatteryTTTを紹介する。 それぞれのUTDを完全に活用するために、BatteryTTTはPhyscics-Guided Test-Time Trainingと呼ばれる、現代のLIB固有の物理法則を自己教師付き学習に統合する。
  論文  参考訳（メタデータ） (2024-01-30T14:47:15Z)
• Toward High-Performance Energy and Power Battery Cells with Machine Learning-based Optimization of Electrode Manufacturing [61.27691515336054]
  本研究では,所望のバッテリ適用条件に対する高性能電極の課題に対処する。 本稿では、電気化学性能の2目的最適化のための決定論的機械学習(ML)支援パイプラインによって支援される強力なデータ駆動アプローチを提案する。 以上の結果から,スラリー中の固形物の中間値とカレンダリング度を併用した高活性物質が最適電極となることが示唆された。
  論文  参考訳（メタデータ） (2023-07-07T13:48:50Z)
• CellDefectNet: A Machine-designed Attention Condenser Network for Electroluminescence-based Photovoltaic Cell Defect Inspection [67.99623869339919]
  太陽電池の視覚検査で業界が直面している大きな課題は、現在人間の検査員が手動で行っていることである。 本研究では,機械駆動設計探索により設計した高効率アテンションコンデンサネットワークであるCellDefectNetを紹介する。 発光画像を用いた太陽電池セルの多様性を示すベンチマークデータセット上で,セルデフェクトネットの有効性を実証した。
  論文  参考訳（メタデータ） (2022-04-25T16:35:19Z)
• Machine learning pipeline for battery state of health estimation [3.0238880199349834]
  我々は,バッテリ容量のフェードを推定するための機械学習パイプラインの設計と評価を行う。 パイプラインは、2つのパラメトリックおよび2つの非パラメトリックアルゴリズムを用いて、関連する信頼区間で電池SOHを推定する。 高速充電プロトコルの下で動作しているセルにデプロイすると、最良のモデルでは、ルート平均2乗誤差が0.45%に達する。
  論文  参考訳（メタデータ） (2021-02-01T13:50:56Z)
• Automatic LiDAR Extrinsic Calibration System using Photodetector and Planar Board for Large-scale Applications [110.32028864986918]
  本研究は, PD-target System と呼ばれる光検出器アレイを組み込んだターゲットボードの新たな概念を提案し, ターゲット表面上の対応レーザビームの正確な位置を求める。 提案手法を低分解能LiDARで実験した結果,LiDARオフセットポーズは0.1度と3mmの精度で推定可能であることがわかった。
  論文  参考訳（メタデータ） (2020-08-24T16:28:40Z)
• Universal Battery Performance and Degradation Model for Electric Aircraft [52.77024349608834]
  電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。 我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。 このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
  論文  参考訳（メタデータ） (2020-07-06T16:10:54Z)

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。