論文の概要: PhyMamba: Physics-Modulated Mamba for Robust Battery Health Prognostics
- arxiv url: http://arxiv.org/abs/2608.27978v1
- Date: Fri, 28 Aug 2026 06:47:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.228556
- Title: PhyMamba: Physics-Modulated Mamba for Robust Battery Health Prognostics
- Title（参考訳）: PhyMamba:ロバストバッテリ健康診断のための物理変調マンバ
- Abstract要約: PhyMambaは、2段階の物理変調されたMambaフレームワークで、老化をシーケンスモデリングに統合する。
総合的な平均誤差を31.8%削減し、多様なベースラインに比して最高の集計性能を達成している。
- 参考スコア（独自算出の注目度）: 9.8347326624646
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Battery health prognostics is a core function in battery management systems (BMSs), yet long-horizon health forecasting from BMS signals remains challenging due to operating-condition dependency and sensor noise. In this paper, we propose PhyMamba, a two-stage physics-modulated Mamba framework that integrates electrochemical aging into sequence modelling. PhyMamba does not require explicit identification of internal aging parameters, which often relies on intrusive measurements. In stage-1, a lightweight Mamba encoder first processes BMS signals and produces a latent representation that is transformed via an aging parameterization module, into physics-informed aging features. In stage-2, a customized Mamba forecasting backbone performs multi-cycle prediction, where physics is tightly integrated to regulate the model's internal temporal updates toward degradation-consistent evolution. Experiments on three public datasets under multiple forecast horizons show that PhyMamba achieves the best aggregated performance, with an overall mean error reduction of 31.8% compared with a diverse range of baselines. PhyMamba also offers an optimized accuracy-efficiency trade-off, which supports practical deployment for robust battery health prognostics.
- Abstract（参考訳）: バッテリヘルスは、バッテリ管理システム(BMS)の中核機能であるが、BMS信号からの長期の健康予報は、動作条件依存性とセンサノイズのために依然として困難である。
本稿では,2段階の物理変調型マンバフレームワークであるPhyMambaを提案する。
PhyMambaは、しばしば侵入的測定に依存する内部の老化パラメータの明示的な識別を必要としない。
ステージ1では、軽量のMambaエンコーダがまずBMS信号を処理し、老化パラメータ化モジュールを介して遅延表現を生成し、物理インフォームされた老化特徴に変換する。
ステージ2では、カスタマイズされたマンバ予測バックボーンがマルチサイクル予測を行い、物理が密に統合され、モデルの内部の時間的更新を劣化に一貫性のある進化へと調節する。
複数の予測地平線の下での3つの公開データセットの実験では、PhyMambaは様々なベースラインに比べて全体的な平均誤差が31.8%減少し、最高の集計性能を達成した。
PhyMambaはまた、バッテリ健康診断のための実用的なデプロイをサポートする、最適化された精度効率トレードオフも提供している。
関連論文リスト
- Hy-Embodied-VLM-1.0: Efficient Physical-World Agents [60.26641387128157]
Hy-Embodied-VLM-1.0は、エンボディエージェントの効率的で強力なエンボディド基礎モデルである。
我々はHy3-A3B言語バックボーンとHy3-ViT2ビジョンエンコーダのモデルを構築した。
我々は,Hy-Embodied-VLM-1.0を,具体的知覚,物理世界理解,具体的推論を含む38のベンチマークスイートで評価した。
論文 参考訳（メタデータ） (2026-07-14T15:34:17Z) - MambaADv2: Evolving Duality-enhanced State Space Model for Unsupervised Anomaly Detection [108.36437360254605]
本稿では,マルチクラス非教師付き異常検出に適したフレームワークであるMambaADv2を提案する。
MambaADv2は、事前訓練されたエンコーダと、複数のスケールにわたるDuality-enhanced State Space (DSS)モジュールを備えたMambaインスパイアされたデコーダで構成される。
HSS(Hybrid State Space)ブロックの構造は、SSDベースのMambaラインに従って調整され、Mamba3スタイルの位置認識状態空間モデリングが組み込まれている。
論文 参考訳（メタデータ） (2026-06-22T10:14:06Z) - MedMamba: Recasting Mamba for Medical Time Series Classification [6.852021597208217]
心電図(ECG)や脳電図(EEG)などの医療時系列は、複雑な時間的ダイナミクスを示す。
本稿では,医療時系列分類に適した,原理駆動型多方向性状態空間アーキテクチャであるMedMambaを提案する。
我々の設計は、空間集中化、多時間的時間的構成、非因果的文脈依存という、生理的信号の3つの重要な帰納的バイアスによって導かれる。
論文 参考訳（メタデータ） (2026-04-17T01:20:02Z) - FEMBA on the Edge: Physiologically-Aware Pre-Training, Quantization, and Deployment of a Bidirectional Mamba EEG Foundation Model on an Ultra-low Power Microcontroller [13.961569964076451]
脳波の21,000時間以上で事前トレーニングされた双方向のマンバアーキテクチャであるFEMBAを提案する。
低域通過フィルタリングによる再構成を含む,生理的事前学習の新たな目標を提案する。
我々は、モデルを2ビットの重みに圧縮するために量子化アウェアトレーニング(QAT)を用いる。
論文 参考訳（メタデータ） (2026-03-18T13:23:13Z) - Mamba-3: Improved Sequence Modeling using State Space Principles [74.41028882099846]
線形モデルの状態空間モデル(SSM)の視点に触発された3つの中核的方法論的改善を紹介する。
アーキテクチャの改良とともに、Mamba-3モデルは、検索、状態追跡、下流言語モデリングタスク間で大きな進歩を遂げます。
論文 参考訳（メタデータ） (2026-03-16T17:30:08Z) - Kinetic-Mamba: Mamba-Assisted Predictions of Stiff Chemical Kinetics [4.543561627277563]
Kinetic-Mambaは、化学動力学モデリングのためのMambaベースのニューラルオペレーターフレームワークである。
我々は、縮小された潜在空間で力学を進化させ、物理多様体上の全状態を再構成する潜在キネティック・マンバ多様体を開発する。
本フレームワークは,状態変数の初期条件のみを用いて,複雑な運動挙動の予測に高い忠実性を実現する。
論文 参考訳（メタデータ） (2025-12-16T14:56:53Z) - SAMBA: Toward a Long-Context EEG Foundation Model via Spatial Embedding and Differential Mamba [2.1232375739287006]
脳波(EEG)モデリングは、一般化可能な脳波表現モデルの開発に不可欠である。
我々は,マンバをベースとしたU字型エンコーダデコーダアーキテクチャを用いた自己教師型学習フレームワークであるtextitSAMBAを提案する。
SAMBAは、メモリ消費と推論時間を維持しながら、最先端の手法を一貫して上回ることを示す。
論文 参考訳（メタデータ） (2025-11-23T18:31:18Z) - Routing Mamba: Scaling State Space Models with Mixture-of-Experts Projection [88.47928738482719]
線形状態空間モデル(SSM)は、シーケンスモデリングにおいて顕著なパフォーマンス向上を提供する。
Mambaのような最近の進歩は、入力依存のゲーティングとハードウェア対応の実装により、SSMをさらに強化している。
本稿では,線形射影の専門家による疎混合を用いてSSMパラメータをスケールする新しい手法であるRoM(Roing Mamba)を紹介する。
論文 参考訳（メタデータ） (2025-06-22T19:26:55Z) - Mamba-Driven Topology Fusion for Monocular 3D Human Pose Estimation [41.14182025718559]
本研究では,マンバ駆動トポロジフュージョンによる3次元ポーズ推定手法を提案する。
具体的には,提案した骨認識モジュールは球面座標系における骨ベクトルの方向と長さを推定する。
また、シーケンス内の時間的関係と空間的関係の両方をモデル化する時空間リファインメントモジュールを設計する。
論文 参考訳（メタデータ） (2025-05-27T01:21:57Z) - Mamba-SEUNet: Mamba UNet for Monaural Speech Enhancement [54.427965535613886]
Mambaは、新しいステートスペースモデル(SSM)として、自然言語処理やコンピュータビジョンに広く応用されている。
本稿では,MambaとU-Net for SEタスクを統合する革新的なアーキテクチャであるMamba-SEUNetを紹介する。
論文 参考訳（メタデータ） (2024-12-21T13:43:51Z) - Mamba State-Space Models Are Lyapunov-Stable Learners [3.441021278275805]
Mamba State-space Model (SSM)は、最近、最先端(SOTA)変換言語モデル(LLM)よりも優れています。
我々は,MPFTとPEFTの組み合わせによって導入された変化に対して,マンバLLMは極めて安定であることを示す。
我々は,MPFTとPEFTを用いて,自然言語タスクにおけるマンバLLMの文脈内学習能力を新たに研究する。
論文 参考訳（メタデータ） (2024-05-31T21:46:23Z) - An Investigation of Incorporating Mamba for Speech Enhancement [64.59903328820624]
本研究の目的は、最近提案された、注意のないスケーラブルな状態空間モデル(SSM)であるMambaを用いて、音声強調(SE)タスクを実現することである。
私たちはMambaを使って,基本,先進,因果,非因果といった,さまざまな構成のレグレッションベースのSEモデル(SEMamba)をデプロイしています。
SEMambaはVoiceBank-DEMANDデータセットで3.55のPESQを獲得し、高度な非因果構成を持つ。
論文 参考訳（メタデータ） (2024-05-10T16:18:49Z)
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。