Early-Cycle Internal Impedance Enables ML-Based Battery Cycle Life Predictions Across Manufacturers

要約

さまざまなメーカーにわたるリチウムイオン電池の終末期（EOL）を予測することは、電極材料のばらつき、製造プロセス、細胞形式、および一般的に利用可能なデータの不足により、重大な課題を提示します。
電圧容量のプロファイルデータのみに特徴を構築する方法は、通常、細胞化学全体で一般化できません。
この研究では、従来の電圧容量機能と直接的な現在の内部抵抗（DCIR）測定を組み合わせた方法論を紹介し、より正確で一般化可能なEOL予測を可能にします。
早期サイクルDCIRデータの使用は、内部抵抗の成長に関連する重要な分解メカニズムをキャプチャし、モデルの堅牢性を高めます。
モデルは、150サイクルの平均絶対誤差（MAE）で、さまざまな電極組成の目に見えないメーカーのEOLへのサイクル数を正常に予測することが示されています。
このクロスメーカーの一般化可能性により、広範な新しいデータ収集と再訓練の必要性が低下し、メーカーが既存のデータセットを使用して新しいバッテリー設計を最適化できるようになります。
さらに、サイクリングデータの成長するエコシステムを豊かにし、バッテリー材料の開発を加速するための継続的な取り組みの一環として、新しいDCIR互換データセットがリリースされます。

要約(オリジナル)

Predicting the end-of-life (EOL) of lithium-ion batteries across different manufacturers presents significant challenges due to variations in electrode materials, manufacturing processes, cell formats, and a lack of generally available data. Methods that construct features solely on voltage-capacity profile data typically fail to generalize across cell chemistries. This study introduces a methodology that combines traditional voltage-capacity features with Direct Current Internal Resistance (DCIR) measurements, enabling more accurate and generalizable EOL predictions. The use of early-cycle DCIR data captures critical degradation mechanisms related to internal resistance growth, enhancing model robustness. Models are shown to successfully predict the number of cycles to EOL for unseen manufacturers of varied electrode composition with a mean absolute error (MAE) of 150 cycles. This cross-manufacturer generalizability reduces the need for extensive new data collection and retraining, enabling manufacturers to optimize new battery designs using existing datasets. Additionally, a novel DCIR-compatible dataset is released as part of ongoing efforts to enrich the growing ecosystem of cycling data and accelerate battery materials development.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google