熱暴走の予兆予測のための物理性強化ディープラーニング：リチウムイオン電池
arXiv cs.LG / 2026/4/23
📰 ニュースModels & Research
要点
- この研究は、リチウムイオン電池の熱暴走を正確に予測する課題に取り組み、データ駆動モデルだけでは熱力学的な原理に反する予測が生じ得る点を指摘している。
- 熱伝達の支配方程式を、損失関数に物理ベースの正則化項として組み込むことで、物理情報付きLSTM（PI-LSTM）を提案している。
- 状態（SOC）、電圧、電流、機械的応力、表面温度といった複数の特徴量からなる時系列入力を用い、熱拡散の制約を課したうえで電池温度の推移を予測する。
- 13種類の電池データセットで、標準LSTMや他のベースラインに対して大幅な誤差低減（RMSEで81.9%、MAEで81.3%）を達成し、さらに多様な運転条件での汎化性向上と非物理的な温度振動の解消が示された。
