Machine Learning Benchmarks for the Classification of Equivalent Circuit Models from Electrochemical Impedance Spectra

要約

タイトル：電気化学インピーダンススペクトルを用いた等価回路モデルの分類のための機械学習ベンチマーク

要約：
– 電気化学インピーダンス分光法（EIS）に基づくデータ解析は、専門家の知識を用いた等価回路モデルの定義とそのモデルのパラメータの最適化によって行われる。
– 小規模なデータセットに対しては手動でECMを定義することが可能であるが、広範なEIS反応を示すデータセットに対して手動で適切なECMを定義することは実現不可能である。
– 大量のEISデータの解析を劇的に加速するために、ECMの自動識別は非常に有用である。
– 本論文では、QuantumScapeが提供した9,300のインピーダンススペクトルのECMを分類するための機械学習手法を紹介する。
– 最も優れた性能を発揮した手法は、自動的に特徴量を生成するライブラリを使用した勾配ブースティング木モデルである。その後、生のスペクトルデータを使用したランダムフォレストモデルが続く。
– Nyquist表現のブール画像を使用した畳み込みニューラルネットワークが代替手法として提示されるが、精度は低い。
– 本論文で紹介された手法は、さらなる研究のためのベンチマークとして役立つ。
– 残る重要な課題はラベルの可識別性であり、モデルの性能および誤分類されたスペクトルの比較によって強調されている。

要約(オリジナル)

Analysis of Electrochemical Impedance Spectroscopy (EIS) data for electrochemical systems often consists of defining an Equivalent Circuit Model (ECM) using expert knowledge and then optimizing the model parameters to deconvolute various resistance, capacitive, inductive, or diffusion responses. For small data sets, this procedure can be conducted manually; however, it is not feasible to manually define a proper ECM for extensive data sets with a wide range of EIS responses. Automatic identification of an ECM would substantially accelerate the analysis of large sets of EIS data. We showcase machine learning methods to classify the ECMs of 9,300 impedance spectra provided by QuantumScape for the BatteryDEV hackathon. The best-performing approach is a gradient-boosted tree model utilizing a library to automatically generate features, followed by a random forest model using the raw spectral data. A convolutional neural network using boolean images of Nyquist representations is presented as an alternative, although it achieves a lower accuracy. We publish the data and open source the associated code. The approaches described in this article can serve as benchmarks for further studies. A key remaining challenge is the identifiability of the labels, underlined by the model performances and the comparison of misclassified spectra.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI