論文の概要: BatteryLake: Agentic, Physics-Grounded Curation of Heterogeneous Battery Aging Data and Benchmarking
- arxiv url: http://arxiv.org/abs/2607.09762v1
- Date: Mon, 06 Jul 2026 16:49:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.18286
- Title: BatteryLake: Agentic, Physics-Grounded Curation of Heterogeneous Battery Aging Data and Benchmarking
- Title（参考訳）: BatteryLake: 異種電池老化データとベンチマークのエージェント的, 物理的に取り巻くキュレーション
- Abstract要約: バッテリレイクハウス(BatteryLake)は、公共のバッテリーデータをベンチマーク対応のアセットに変換するデータレイクハウスです。
まず、LLMエージェントがメタデータを抽出し、データセット固有のコンバータを合成し、すべての出力を証拠としてグラウンド化する。
第2に、ヒューマン・イン・ザ・ループ(Human-in-the-loop)メカニズムは、選択的な予測として検証をフレーム化し、26のスキーマ、統計、物理楽観性ルールを通じてデータを認めた。
第3に,標準化されたSOHタスクとRULタスク,3つの分割プロトコル,8つのベースラインモデルファミリを備えた,25以上の機関からの41のデータセットのオープンベンチマークをリリースする。
- 参考スコア（独自算出の注目度）: 9.897021401018812
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Public battery aging datasets are a critical asset for advanced health management, but their practical use is often limited by inconsistent formats, unclear schemas, and metadata scattered across repositories and publications. Current curation remains largely manual and hard to reproduce, while general-purpose data integration tools miss the domain-specific semantics of electrochemical time-series data. We present BatteryLake, a governed data lakehouse that turns raw public battery data into benchmark-ready assets through an agentic, physics-grounded curation framework, with three contributions. First, LLM agents extract metadata and synthesize dataset-specific converters, grounding every output in verbatim evidence and abstaining when none supports a value. Second, a human-in-the-loop mechanism frames verification as selective prediction and gates admitted data through 26 schema, statistical, and physical-plausibility rules. Third, we release an open benchmark of 41 datasets from over 25 institutions, with standardized SOH and RUL tasks, three split protocols, and eight baseline model families. The platform, benchmark, and curation protocol are publicly available at https://tianwen1209.github.io/batterylake/.
- Abstract（参考訳）: パブリックバッテリ老化データセットは、高度な健康管理にとって重要な資産であるが、その実用用途は、一貫性のないフォーマット、不明確なスキーマ、リポジトリや出版物に散在するメタデータによって制限されることが多い。
現在のキュレーションは手動で再現しづらいが、汎用データ統合ツールは電気化学時系列データのドメイン固有の意味を欠いている。
我々は、管理するデータレイクハウスであるBatteryLakeを紹介します。このデータレイクハウスは、生の公開バッテリーデータを3つのコントリビューションを持つエージェント型物理地上キュレーションフレームワークを通じて、ベンチマーク可能なアセットに変換します。
まず、LLMエージェントはメタデータを抽出し、データセット固有のコンバータを合成する。
第2に、ヒューマン・イン・ザ・ループ(Human-in-the-loop)メカニズムは、選択的な予測として検証をフレーム化し、26のスキーマ、統計、物理楽観性ルールを通じてデータを認めた。
第3に,標準化されたSOHタスクとRULタスク,3つの分割プロトコル,8つのベースラインモデルファミリを備えた,25以上の機関からの41のデータセットのオープンベンチマークをリリースする。
プラットフォーム、ベンチマーク、キュレーションプロトコルはhttps://tianwen1209.github.io/batterylake/.comで公開されている。
関連論文リスト
- IonSense-QKG: A Quantum-Readiness Metadata Framework for Lithium-Ion Battery Dataset Discovery [0.0]
本稿では,リチウムイオン電池のデータセット発見のための量子可読性メタデータフレームワークIonSense-QKGを提案する。
将来のハイブリッド量子古典バッテリーベンチマークの候補リソースとしてデータセットをランク付けするために、透明な量子準備スコアが導入される。
論文 参考訳（メタデータ） (2026-07-01T09:46:04Z) - DataMaster: Data-Centric Autonomous AI Research [51.95819363392062]
タスク条件付き自律データエンジニアリングについて検討し、エージェントがデータ側のみを最適化することで、固定学習アルゴリズムを改善する。
木構造検索,共有候補データ,累積メモリを統合したデータエージェントフレームワークであるDataMasterを提案する。
MLE-Bench LiteとPostTrainBenchの2種類のベンチマークでDataMasterを評価する。
論文 参考訳（メタデータ） (2026-05-11T17:46:24Z) - From Few-Shot to Zero-Shot: Towards Generalist Graph Anomaly Detection [89.52759572485276]
ARCは、文脈内学習を利用した数発のGAD法であり、推論時にわずかにラベル付き正規サンプルを必要とする。
ARCとARC_zeroは、異常を効果的に検出し、強力な一般化能力を示し、少数ショットおよびゼロショット設定下で効率的に実行する。
論文 参考訳（メタデータ） (2026-02-21T10:59:00Z) - Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
現実の時系列では欠落値が一般的である。
現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。
このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。
本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
論文 参考訳（メタデータ） (2025-09-27T20:57:48Z) - Mic-hackathon 2024: Hackathon on Machine Learning for Electron and Scanning Probe Microscopy [54.24356756795849]
顕微鏡は、ナノメートルと原子スケールにおける材料構造と機能に関する情報の主要な源である。
主要な資金機関によるデータ管理計画(DMP)の導入は、保存とアクセスを促進する。
標準化されたコードエコシステム、ベンチマーク、統合戦略が欠如しているため、洞察を得るのは難しいままです。
論文 参考訳（メタデータ） (2025-06-10T03:54:36Z) - BatteryBERT for Realistic Battery Fault Detection Using Point-Masked Signal Modeling [1.7397173676239939]
本稿では,バッテリー故障検出のためのBERTスタイルの事前学習を適応する新しいフレームワークを提案する。
標準のBERTアーキテクチャを、カスタマイズされた時系列からトーケン表現モジュールと、ポイントレベルのマスケッド信号モデリング(point-MSM)プリトレーニングタスクで拡張する。
このアプローチは、シーケンシャル電流、電圧、その他の電荷放電サイクルデータに対する自己教師付き学習を可能にする。
論文 参考訳（メタデータ） (2025-05-31T06:06:08Z) - Demonstrating Linked Battery Data To Accelerate Knowledge Flow in Battery Science [0.5804487044220691]
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。
論文 参考訳（メタデータ） (2024-10-16T14:12:41Z) - Gaussian process-based online health monitoring and fault analysis of lithium-ion battery systems from field data [0.0]
データセットには、保証のためにメーカーに返却された29のバッテリーシステムが含まれている。
この分析は、最も弱いリンク障害と一致して、単一の細胞のみが異常な行動または膝点を示すことを示している。
コードをオープンソース化し、記事のレビューが完了するとデータセットを公開します。
論文 参考訳（メタデータ） (2024-06-27T09:00:05Z) - Federated Battery Diagnosis and Prognosis [0.6020414684573571]
バッテリー診断,予後,健康管理モデルは,エネルギー・移動分野における電池システムの統合において重要な役割を担っている。
しかしながら、これらのモデルの大規模展開は、データオーナシップ、プライバシ、通信、処理を中心とした数多くの課題によって妨げられています。
本稿では,バッテリ標準電圧利用データ処理をプライバシ保護方式で分散するフェデレーションバッテリ予後モデルを提案する。
論文 参考訳（メタデータ） (2023-10-14T17:46:50Z) - The Problem of Zombie Datasets:A Framework For Deprecating Datasets [55.878249096379804]
我々は、ImageNet、8000 Million Tiny Images、MS-Celeb-1M、Duke MTMC、Brainwash、HRT Transgenderなど、いくつかの著名なデータセットの公開後処理について検討する。
本稿では,リスクの考慮,影響の緩和,アピール機構,タイムライン,非推奨プロトコル,公開チェックなどを含むデータセットの非推奨化フレームワークを提案する。
論文 参考訳（メタデータ） (2021-10-18T20:13:51Z) - Partially-Aligned Data-to-Text Generation with Distant Supervision [69.15410325679635]
我々はPADTG(Partially-Aligned Data-to-Text Generation)と呼ばれる新しい生成タスクを提案する。
自動的にアノテートされたデータをトレーニングに利用し、アプリケーションドメインを大幅に拡張するため、より実用的です。
我々のフレームワークは、全てのベースラインモデルより優れており、部分整合データの利用の可能性を検証する。
論文 参考訳（メタデータ） (2020-10-03T03:18:52Z)
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。