推荐理由：该工作用机理模型为富镍全固态电池老化预测提供可解释输入，读者可参考其机理与数据融合的建模思路。

推荐理由：该工作把嵌入式光纤多物理传感与物理约束状态空间模型结合，为SOC估计提供了一条引入内部测量量的建模路径。

推荐理由：提出双Weibull物理启发模型，在扰动工况下同时做在线SOH估计与解析拐点跟踪，可供拐点建模方法参考。

推荐理由：该框架把电池老化信号做 token 化并引入物理约束与不确定性量化，为 SOH 估计提供了一条可迁移的建模思路。

推荐理由：该工作把物理信息学习用于等效电路参数随健康状态的演化建模，为 SOH 估计提供了一条可迁移的参数跟踪思路。

推荐理由：针对随机负载下 SOH 估计易受工况波动影响的问题，该工作把物理约束与贝叶斯连续时间建模结合，可供做在线估计的研究者参考其不确定性处理思路。

推荐理由：该工作用物理信息数字孪生定位锂离子电池拐点起始的机理阈值，为老化早期预警提供可迁移的建模思路。

推荐理由：该工作把物理一致性约束引入跨域小样本 SOH 估计，为少标注数据下的跨体系迁移提供了一种可借鉴的建模思路。

推荐理由：提出注意力引导残差块的物理信息神经网络用于SOH估计，为可解释性建模提供了一种结构设计思路。

推荐理由：针对 SOC 估计中纯数据模型缺乏物理约束的问题，该工作把分段约束嵌入 TimesNet，可供做物理信息时序建模的读者参考其约束设计。