論文の概要: A scalable neural bundle map for multiphysics prediction in lithium-ion battery across varying configurations
- arxiv url: http://arxiv.org/abs/2603.17209v1
- Date: Tue, 17 Mar 2026 23:15:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-19 18:32:57.443029
- Title: A scalable neural bundle map for multiphysics prediction in lithium-ion battery across varying configurations
- Title（参考訳）: リチウムイオン電池の様々な構成における多物理予測のためのスケーラブルなニューラルバンドルマップ
- Authors: Zhiwei Zhao, Changqing Liu, Jie Lin, Fan Yang, Yifan Zhang, Yan Jin, Yingguang Li,
- Abstract要約: 幾何学的基底多様体上のバンドルマップとして多物理進化を再構成する数学的に厳密な枠組みを提案する。
本フレームワークは,各構成の正則化平均絶対誤差が1%未満の高忠実度時間予測を実現する。
複雑なエネルギー貯蔵インフラのインテリジェントな設計とリアルタイム監視のための基本パラダイムを提供する。
- 参考スコア（独自算出の注目度）: 20.5206187385656
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Efficient and accurate prediction of Multiphysics evolution across diverse cell geometries is fundamental to the design, management and safety of lithium-ion batteries. However, existing computational frameworks struggle to capture the coupled electrochemical, thermal, and mechanical dynamics across diverse cell geometries and varying operating conditions. Here, we present a Neural Bundle Map (NBM), a mathematically rigorous framework that reformulates multiphysics evolution as a bundle map over a geometric base manifold. This approach enables the complete decoupling of geometric complexity from underlying physical laws, ensuring strong operator continuity across varying domains. Our framework achieves high-fidelity spatiotemporal predictions with a normalized mean absolute error of less than 1% across varying configurations, while maintaining stability during long-horizon forecasting far beyond the training window and reducing computational costs by two orders of magnitude compared with conventional solvers. Leveraging this capability, we rapidly explored a vast configurational space to identify an optimal battery design that yields a 38% increase in energy density while adhering to thermal safety constraints. Furthermore, the NBM demonstrates remarkable scalability to multi-cell systems through few-shot transfer learning, providing a foundational paradigm for the intelligent design and real-time monitoring of complex energy storage infrastructures.
- Abstract（参考訳）: リチウムイオン電池の設計, 管理, 安全性には, 多様なセル・ジオメトリーの多物理進化の効率的かつ正確な予測が不可欠である。
しかし、既存の計算フレームワークは、様々なセルジオメトリーと様々な動作条件をまたいだ電気化学的、熱的、機械力学の結合を捉えるのに苦労している。
ここでは、幾何基底多様体上のバンドルマップとして多物理進化を再構成する数学的に厳密なフレームワークであるニューラルバンドルマップ(NBM)を提案する。
このアプローチは、基礎となる物理法則から幾何学的複雑さを完全に切り離すことを可能にし、様々な領域にわたる強い作用素連続性を保証する。
本フレームワークは, トレーニングウィンドウを超越した長期水平予測における安定性を維持しつつ, 従来の解法に比べて計算コストを2桁程度削減しつつ, 正規化平均絶対誤差が1%未満の高忠実度時空間予測を実現する。
この能力を生かして、熱安全性の制約に固執しながらエネルギー密度を38%増加させる最適な電池設計を特定するために、広い構成空間を迅速に探索した。
さらに、NBMは、数発の転送学習を通じて、マルチセルシステムに対する顕著なスケーラビリティを示し、複雑なエネルギー貯蔵インフラのインテリジェントな設計とリアルタイム監視のための基本パラダイムを提供する。
関連論文リスト
- Transolver-3: Scaling Up Transformer Solvers to Industrial-Scale Geometries [51.028432812178266]
Transolver-3は、高忠実度物理シミュレーションのために設計されたTransolverファミリーの新しいメンバーである。
Transolver-3は1億6000万以上のセルでメッシュを処理でき、3つの挑戦的なシミュレーションベンチマークで優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-02-04T16:52:44Z) - Hard-Constrained Neural Networks with Physics-Embedded Architecture for Residual Dynamics Learning and Invariant Enforcement in Cyber-Physical Systems [0.5735035463793009]
我々は、リカレントインテグレータ内に既知の物理をハード構造制約として埋め込んだ汎用アーキテクチャであるHybrid Recurrent Physics-Informed Neural Network (HRPINN) を定式化し、残留力学のみを学習する。
第2に,計画HRPINN (PHRPINN, Projected HRPINN) を導入する。
実世界のバッテリ確率DAEでHRPINNを評価し,標準制約ベンチマークでPHRPINNを評価する。
論文 参考訳（メタデータ） (2025-11-28T16:06:24Z) - Physics-augmented Multi-task Gaussian Process for Modeling Spatiotemporal Dynamics [4.282746516699566]
本稿では,動的システムのための物理拡張型マルチタスクガウスプロセス(P-M-GP)フレームワークを提案する。
我々は,物理に基づく規則化スキームを通じて物理法則を定式化することにより,動的原理と整合性のある予測を制約する。
数値実験により,提案手法は既存手法よりも予測精度を大幅に向上することが示された。
論文 参考訳（メタデータ） (2025-10-15T14:33:10Z) - Towards universal property prediction in Cartesian space: TACE is all you need [2.2468751274668466]
原子クラスター膨張と運動電位は任意の構造決定的テンソル特性の体系的予測のための枠組みである。
我々は、TACEが主要な同変フレームワークに匹敵する精度、安定性、効率を達成することを実証する。
この研究は、新しい世代の普遍的原子論機械学習モデルの基礎を築いた。
論文 参考訳（メタデータ） (2025-09-18T13:51:07Z) - Bridging Geometric States via Geometric Diffusion Bridge [79.60212414973002]
本稿では,初期および対象の幾何状態を正確にブリッジする新しい生成モデリングフレームワークであるGeometric Diffusion Bridge (GDB)を紹介する。
GDBは、幾何学的状態の接続のためにDoobの$h$-transformの修正版から派生した同変拡散ブリッジを使用している。
我々はGDBが既存の最先端のアプローチを超越し、幾何学的状態を正確にブリッジするための新しい経路を開くことを示す。
論文 参考訳（メタデータ） (2024-10-31T17:59:53Z) - Compact Multi-Threshold Quantum Information Driven Ansatz For Strongly Interactive Lattice Spin Models [0.0]
近似量子相互情報(QMI)に基づくアンザッツ建築の体系的手順を提案する。
提案手法は,QMI値に基づいて各層の量子ビット対が選択される層状アンサッツを生成し,より効率的な状態生成と最適化ルーチンを実現する。
その結果,Multi-QIDA法は高い精度を維持しながら計算複雑性を低減し,格子スピンモデルにおける量子シミュレーションに有望なツールであることがわかった。
論文 参考訳（メタデータ） (2024-08-05T17:07:08Z) - TANGO: Time-Reversal Latent GraphODE for Multi-Agent Dynamical Systems [43.39754726042369]
連続グラフニューラルネットワークに基づく常微分方程式(GraphODE)により予測される前後の軌跡を整列するソフト制約として,単純かつ効果的な自己監督型正規化項を提案する。
時間反転対称性を効果的に課し、古典力学の下でより広い範囲の力学系にわたってより正確なモデル予測を可能にする。
様々な物理システムに対する実験結果から,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2023-10-10T08:52:16Z) - Message-Passing Neural Quantum States for the Homogeneous Electron Gas [41.94295877935867]
連続空間における強相互作用フェルミオンをシミュレートするメッセージパッシング・ニューラルネットワークに基づく波動関数Ansatzを導入する。
等質電子ガスの基底状態を3次元でシミュレーションすることにより,その精度を実証する。
論文 参考訳（メタデータ） (2023-05-12T04:12:04Z) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳（メタデータ） (2022-12-21T23:15:17Z) - Multilayer Perceptron Based Stress Evolution Analysis under DC Current
Stressing for Multi-segment Wires [8.115870370527324]
エレクトロマイグレーション(EM)は、超大規模統合(VLSI)システムの信頼性解析における主要な関心事の一つである。
従来の手法はしばしば十分に正確ではないため、特に高度な技術ノードにおいて、望ましくない過設計につながる。
本稿では,多層パーセプトロン(MLP)を用いて,空核形成フェーズにおける相互接続木間の応力変化を計算する手法を提案する。
論文 参考訳（メタデータ） (2022-05-17T07:38:20Z) - Targeted free energy estimation via learned mappings [66.20146549150475]
自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。
FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。
目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
論文 参考訳（メタデータ） (2020-02-12T11:10:00Z)
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。