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

计算机科学 可识别性 奈奎斯特图 等效电路 介电谱 电阻抗 卷积神经网络 鉴定(生物学) 人工智能 电容感应 模式识别(心理学) 数据挖掘 机器学习 算法 化学 电气工程 操作系统 工程类 物理化学 生物 植物 电压 电化学 电极
作者
Joachim Schaeffer,Paul Gasper,Esteban Garcia-Tamayo,Raymond Gasper,Masaki Adachi,Juan Pablo Gaviria-Cardona,Simon Montoya-Bedoya,Anoushka Bhutani,Andrew Schiek,Rhys E. A. Goodall,Rolf Findeisen,Richard D. Braatz,Simon Engelke
出处
期刊:Journal of The Electrochemical Society [The Electrochemical Society]
卷期号:170 (6): 060512-060512 被引量:17
标识
DOI:10.1149/1945-7111/acd8fb
摘要

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.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
3秒前
3秒前
完美采梦完成签到 ,获得积分10
4秒前
Aries完成签到,获得积分10
4秒前
5秒前
科研副本发布了新的文献求助30
5秒前
负责的乌发布了新的文献求助10
8秒前
Hyde发布了新的文献求助10
10秒前
10秒前
10秒前
taoxz521完成签到 ,获得积分10
11秒前
dodox应助小王采纳,获得30
12秒前
12秒前
13秒前
高源发布了新的文献求助10
13秒前
魔幻大有完成签到 ,获得积分10
14秒前
科研通AI2S应助pipisu123123采纳,获得10
14秒前
yanzzz发布了新的文献求助10
14秒前
14秒前
yushisan完成签到 ,获得积分10
14秒前
javasc发布了新的文献求助10
14秒前
15秒前
fff完成签到,获得积分20
16秒前
zhang08发布了新的文献求助10
16秒前
wangq完成签到,获得积分10
17秒前
风云鱼完成签到,获得积分10
17秒前
宋词完成签到,获得积分10
17秒前
大模型应助yanzzz采纳,获得200
18秒前
王土豆完成签到 ,获得积分10
19秒前
whatever举报36456657求助涉嫌违规
19秒前
hql_sdu完成签到,获得积分10
19秒前
fff发布了新的文献求助10
20秒前
wml发布了新的文献求助10
20秒前
小蘑菇应助xiao金采纳,获得10
21秒前
dodox应助小王采纳,获得30
23秒前
23秒前
25秒前
25秒前
李佳瑶完成签到,获得积分20
25秒前
武雨寒发布了新的文献求助10
26秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Fundamentals of Dispersed Multiphase Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3254449
求助须知:如何正确求助?哪些是违规求助? 2896608
关于积分的说明 8293494
捐赠科研通 2565573
什么是DOI,文献DOI怎么找? 1393134
科研通“疑难数据库(出版商)”最低求助积分说明 652418
邀请新用户注册赠送积分活动 629955