論文の概要: Autonomous battery research: Principles of heuristic operando experimentation
- arxiv url: http://arxiv.org/abs/2601.00851v1
- Date: Mon, 29 Dec 2025 18:08:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-06 16:25:21.788835
- Title: Autonomous battery research: Principles of heuristic operando experimentation
- Title（参考訳）: 自律型バッテリ研究 : ヒューリスティックオペランド実験の原理
- Authors: Emily Lu, Gabriel Perez, Peter Baker, Daniel Irving, Santosh Kumar, Veronica Celorrio, Sylvia Britto, Thomas F. Headen, Miguel Gomez-Gonzalez, Connor Wright, Calum Green, Robert Scott Young, Oleg Kirichek, Ali Mortazavi, Sarah Day, Isabel Antony, Zoe Wright, Thomas Wood, Tim Snow, Jeyan Thiyagalingam, Paul Quinn, Martin Owen Jones, William David, James Le Houx,
- Abstract要約: ヒューリスティック・オペラ実験(Huuristic Operando experiment)は、AIパイロットが物理ベースのデジタルツインを活用して、ビームラインを積極的に操り、稀な事象を予測および決定的にキャプチャするフレームワークである。
機械的決定モーメントのみに焦点を合わせることにより、この枠組みは同時にビーム損傷を軽減し、データの冗長性を劇的に低減する。
- 参考スコア（独自算出の注目度）: 5.681725902637965
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Unravelling the complex processes governing battery degradation is critical to the energy transition, yet the efficacy of operando characterisation is severely constrained by a lack of Reliability, Representativeness, and Reproducibility (the 3Rs). Current methods rely on bespoke hardware and passive, pre-programmed methodologies that are ill-equipped to capture stochastic failure events. Here, using the Rutherford Appleton Laboratory's multi-modal toolkit as a case study, we expose the systemic inability of conventional experiments to capture transient phenomena like dendrite initiation. To address this, we propose Heuristic Operando experiments: a framework where an AI pilot leverages physics-based digital twins to actively steer the beamline to predict and deterministically capture these rare events. Distinct from uncertainty-driven active learning, this proactive search anticipates failure precursors, redefining experimental efficiency via an entropy-based metric that prioritises scientific insight per photon, neutron, or muon. By focusing measurements only on mechanistically decisive moments, this framework simultaneously mitigates beam damage and drastically reduces data redundancy. When integrated with FAIR data principles, this approach serves as a blueprint for the trusted autonomous battery laboratories of the future.
- Abstract（参考訳）: 電池劣化を規制する複雑なプロセスがエネルギー遷移に欠かせないが、信頼性、代表性、再現性(3R)の欠如により、オペラのキャラクタリゼーションの有効性は厳しく制約されている。
現在の手法は、確率的障害イベントを捉えるのに不十分な、ベスポークハードウェアとパッシブでプログラム済みの方法論に依存している。
ここでは、ラザフォード・アップルトン研究所のマルチモーダルツールキットをケーススタディとして、デンドライト開始のような過渡現象を捉えるための従来の実験の体系的不整合を明らかにする。
この問題を解決するために、AIパイロットが物理ベースのデジタルツインを活用してビームラインをアクティブに操り、これらの稀な事象を予測および決定的にキャプチャするフレームワークであるHuristic Operando実験を提案する。
不確実性駆動型アクティブラーニングとは別として、このプロアクティブサーチは障害前駆体を予測し、光子、中性子、ミューオン当たりの科学的洞察を優先するエントロピーに基づく計量を用いて実験効率を再定義する。
機械的決定モーメントのみに焦点を合わせることにより、この枠組みは同時にビーム損傷を軽減し、データの冗長性を劇的に低減する。
FAIRのデータ原則と統合した場合、このアプローチは未来の信頼できる自律電池研究所の青写真として機能する。
関連論文リスト
- From Physics to Machine Learning and Back: Part II - Learning and Observational Bias in PHM [52.64097278841485]
物理インフォームドモデリングとデータストラテジーによる学習と観察バイアスの導入は、モデルを物理的に一貫した信頼性のある予測へと導くことができるかを検討する。
メタラーニングや少数ショットラーニングなどの高速適応手法をドメイン一般化手法とともに検討する。
論文 参考訳（メタデータ） (2025-09-25T14:15:43Z) - Electromagnetic Inverse Scattering from a Single Transmitter [12.830833599852594]
医用画像では、散乱電磁場から相対誘電率を再構成することが目的である。
最近の機械学習ベースのアプローチであるImg-Interiorsは、連続的な暗黙の関数を活用することで、有望な結果を示す。
本稿では,計測フィールドから散乱器の相対誘電率を予測する,エンドツーエンドでデータ駆動のフレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-26T15:02:50Z) - Prediction-Powered Causal Inferences [59.98498488132307]
予測型因果推論(PPCI)に焦点をあてる
まず, 条件付きキャリブレーションにより, 人口レベルでの有効なPPCIが保証されることを示す。
次に、実験間での十分な表現制約伝達の妥当性を導入する。
論文 参考訳（メタデータ） (2025-02-10T10:52:17Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-03T06:19:20Z) - Label-free timing analysis of SiPM-based modularized detectors with
physics-constrained deep learning [9.234802409391111]
モジュール化検出器のタイミング解析のためのディープラーニングに基づく新しい手法を提案する。
本稿では,提案手法が求める最適関数の存在を数学的に証明し,モデルのトレーニングと校正のための体系的アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-24T09:16:31Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - Discovering Latent Causal Variables via Mechanism Sparsity: A New
Principle for Nonlinear ICA [81.4991350761909]
ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。
潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
論文 参考訳（メタデータ） (2021-07-21T14:22:14Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z)
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。