NEMO 项目发布 2023–2026 年成果手册，聚焦下一代 BMS
NEMO 项目（NExt-generation MOdels for advanced battery electronics）发布 2023 至 2026 年成果手册，汇总其在电池状态估计、老化预测、安全监测和嵌入式 BMS 架构方面的进展。
推荐理由：NEMO 项目汇总 2023 至 2026 年在电池状态估计、老化预测与安全监测上的成果，可快速了解欧洲下一代 BMS 的技术路线。
机器学习方法
全部主题电池领域的机器学习：特征表示、小样本与迁移、不确定性量化、大模型与文献挖掘。
最新精选
第 1–20 条 · 共 176 条Zenodo · battery 数据与软件精选AI 评分5858
关键词流·BMS 与电池智能算法精选AI 评分4747 基于膨胀行为与 Autoformer 的物理信息学习框架用于锂离子电池 SOH 估计
该研究提出一种物理信息学习框架，利用电池膨胀行为并结合 Autoformer 模型估计锂离子电池 SOH。材料仅提供标题，未给出数据集、精度指标或代码获取方式。
关键词流·SOX 与寿命预测精选AI 评分6060 NBD-Net 用非平稳桥接退化网络预测锂电 RUL，留一电芯测试误差最低
作者提出 NBD-Net，通过 RevIN 逐窗口归一化、局部稳定分支与循环趋势编码器并行，并用注意力记忆 SDMC 和双向交叉注意力桥 LGBI 耦合两路，实现下一循环容量预测。
推荐理由：在 CALCE、NASA、TJU 共 11 个电芯的留一电芯协议下，该文逐项拆解了归一化与局部稳定分支各自带来的增益。
关键词流·SOX 与寿命预测精选AI 评分6262 基于生成式预训练 Transformer 的锂离子电池早期老化预测补充材料
该材料是论文《Early prediction of lithium-ion battery degradation with a generative pre-trained transformer》的补充信息文件，正文未抓取到，仅标题可用，具体方法、数据集与结果均无法确认。
Journal of Energy Storage精选AI 评分5454 基于膨胀行为与 Autoformer 的物理信息 SOH 估计框架
Shu 等人提出一种物理信息学习框架，利用电芯膨胀行为结合 Autoformer 估计锂离子电池 SOH，论文发表于 Journal of Energy Storage 第 183 卷 Part B。材料仅提供题录与作者信息，摘要未给出数据集、电芯体系与误差指标。
推荐理由：该工作把电芯膨胀行为与 Autoformer 结合进物理信息框架做 SOH 估计，为不依赖电学特征的估计路线提供了可迁移思路。
Computers & Chemical Engineering精选AI 评分5252 数据驱动多任务学习框架同时预测锂离子电池RUL与拐点
Haoyu Sun 等人提出一种数据驱动的多任务学习框架，用于同时预测锂离子电池的剩余使用寿命（RUL）与容量衰减拐点。该工作发表于 Computers & Chemical Engineering 第 217 卷，摘要未给出数据集、电芯体系与误差指标等细节。
推荐理由：该框架把RUL与拐点预测放在同一多任务模型中，为关注寿命末期非线性衰减的读者提供了一种联合建模思路。
Zenodo · battery 数据与软件精选AI 评分6262 SOH 估计代理特征与基线泄漏审计代码及结果发布
Çukurova 大学团队在 Zenodo 发布 v1.0.0 代码与结果包，对应投稿 Journal of Energy Storage 的论文《Proxy features and honest baselines in lithium-ion battery state-of-health estimation。
推荐理由：该仓库公开了六套公开数据集上的代理特征泄漏审计代码与结果，便于复现等预算模型对比和 PINN4SOH 审计。
Advanced Energy Materials精选AI 评分7272 机理锚定的锂电池健康管理框架实现跨数据集 SOH 估计与轨迹预测
研究提出一种机理锚定的可泛化健康管理框架，在 LFP/石墨电芯中识别出 3.3–3.4 V 充电窗口作为老化敏感特征，并与增量容量指纹关联。框架结合条件感知软混合专家模型、跨数据集持续学习和自适应无迹卡尔曼滤波，将逐点 SOH 估计转化为可在线更新的老化轨迹，在多应力老化条件下实现稳健 SOH 估计和 100–300 步前向轨迹预测。
推荐理由：该框架把 3.3–3.4 V 充电特征与混合专家模型、UKF 轨迹更新串联，为跨数据集 SOH 估计提供可迁移思路。
Advanced Energy Materials精选AI 评分4848 30 µm 三明治结构硫化物电解质膜借 Ti4+/Ti3+ 氧化还原原位消耗锂枝晶
研究团队通过热压两层 Li5.3PS4.3ClBr0.7（LPSClBr）膜与嵌入 LATP@KH 纳米颗粒的 PVDF-HFP 静电纺支架，制得 30 µm 三明治结构硫化物固态电解质膜，离子电导率 2.75 mS cm−1、临界电流密度 1.0 mA cm−2。
推荐理由：该工作用热压叠层制备 30 µm 硫化物电解质膜，并以 Ti4+/Ti3+ 氧化还原原位消耗穿透锂枝晶，为超薄膜机械强化提供可迁移思路。
Advanced Materials精选AI 评分5858 含氟聚离子液体电解质实现515 Wh kg−1固态锂金属电池
研究将聚离子液体片段引入含氟丙烯酸酯骨架，构建离子配体辅助传输框架，使FSI⁻被阳离子侧链锚定并形成富阴离子的连续通道。优化后的电解质在30°C下离子电导率为0.38 mS cm−1、Li+迁移数为0.77，氧化稳定窗口扩展至4.94 V；Li||Cu电池稳定循环超过400次，平均库仑效率为99.1%。
推荐理由：该工作通过将聚离子液体引入含氟骨架来锚定FSI⁻，为解耦电导率与聚合物链段松弛提供了一条可迁移的电解质设计思路。
Zenodo · battery 数据与软件精选AI 评分4848 弱配位阴离子与溶剂电解液研究的数据与仿真输入公开
加州大学圣地亚哥分校等团队在 Zenodo 发布弱配位阴离子与溶剂电解液研究的数据、处理脚本、仿真输入和力场参数，用于复现投稿 Science 论文的全部图表。
推荐理由：该归档公开了弱配位阴离子与溶剂电解液研究的原始数据、处理脚本和力场参数，可复现论文各图。
eTransportation精选AI 评分5858 选择性老化表征网络提升电池老化轨迹预测效率与鲁棒性
Xuan Liu 等人提出选择性老化表征网络（Selective Degradation Representation Network），用于电池老化轨迹预测，目标是兼顾效率与鲁棒性，突破刚性序列建模的限制。该文发表于 eTransportation，2026 年 10 月 27 日上线，目前仅有摘要信息。
推荐理由：该工作用选择性老化表征网络做电池老化轨迹预测，强调高效与鲁棒，可供做序列预测方法选型时参考其表征思路。
关键词流·BMS 与电池智能算法精选AI 评分5555 DS-MTNet 双流多任务网络实现锂电热状态与SOH联合预测及预警
作者提出 DS-MTNet 双流多任务网络，用 TCN 捕捉短期热动态、Mamba 建模长期老化趋势，经门控融合后同时预测最高温度、平均温度和 SOH。在 XJTU 数据集动态工况下 SOH 的 MAE 为 0.011、最高温度 MAE 为 0.898 °C；借助 MMD 分布对齐的少样本域适应，在 NASA 数据集跨环境迁移的 SOH MAE 为 0.022。
推荐理由：该工作把温度与SOH放进同一双流网络联合预测，并给出跨数据集迁移与预警提前量的量化结果，可作为多任务电池状态估计的对照方案。
Energy Storage Materials精选AI 评分4040 研究利用原位中子射线照相监测固态电池中的锂化梯度
Patrice Perrenot 等人在 Energy Storage Materials 发表研究，采用原位中子射线照相监测固态电池内部的锂化梯度。材料仅提供标题与作者信息，未给出具体实验条件与结果数据。
Journal of Energy Storage精选AI 评分4747 温度敏感 EIS 特征用于锂离子电池热失控早期检测
Journal of Energy Storage 第 183 卷 Part B 刊出 Xinyi Xie 等人的研究，主题是利用温度敏感的 EIS 特征实现锂离子电池热失控早期检测。当前 feed 仅提供标题与作者信息，摘要与具体方法、结果尚未给出。
推荐理由：材料只给出标题与作者信息，未提供摘要正文，无法提炼具体方法或结论层面的阅读价值。
Journal of Power Sources精选AI 评分5555 研究提出物理约束生成式 AI 逆向设计锂离子电池微结构
Journal of Power Sources 第 699 卷刊出 Azamat Zhaksylykov 等人的研究，题为用物理约束生成式 AI 逆向设计锂离子电池微结构，论文发表于 2027 年 1 月 30 日。当前仅获取到标题与作者信息，摘要正文未提供。
推荐理由：材料只给出标题与作者信息，无法确认方法细节与验证结果，阅读价值暂无法具体呈现。
Advanced Energy Materials精选AI 评分5858 双面功能化隔膜调控牺牲预锂化键断裂路径，实现 458.6 Wh/kg 无负极锂软包
研究提出催化剂诱导的键断裂重定向策略，通过双面功能化隔膜实现高效牺牲预锂化。正极侧 5 µm MoC1-x/NC-0.3Co 涂层将 Li2C2O4 分解从高势垒 Li–O 断裂转向优先 C─C 键断裂。
推荐理由：该工作用双面功能化隔膜把牺牲预锂化的键断裂路径从 Li–O 转向 C─C，并给出 1.0 Ah 无负极软包的具体能量密度与循环数据。
Journal of The Electrochemical Society精选AI 评分4040 CAMamba2 双轴增强状态空间模型用于锂离子电池 RUL 预测
上海理工大学团队提出 CAMamba2 双轴增强架构，特征轴做跨通道交互门控，时间轴用上下文感知模块结合局部平滑时序上下文，并以 Mamba2 状态空间骨干建模长程依赖。在 MIT 数据集上 MAE 为 0.0082、MSE 为 0.0001，优于代表性基线；在 HUST 数据集上独立训练后，在不同工况下也表现良好。作者认为双轴增强是锂离子电池 RUL 预测的有效策略。
推荐理由：该工作把跨通道门控与局部时序平滑结合到 Mamba2 状态空间骨干上，为抑制容量再生和局部噪声提供了一种可迁移的建模思路。
Journal of The Electrochemical Society精选AI 评分4242 分数阶模型结合可用容量反馈实现锂离子电池SOC与SOP估计
北京工业大学团队提出一种分数阶等效电路模型结合快速多新息无迹卡尔曼滤波SOC观测器与慢速容量估计器的SOC/SOP联合估计方法，模型参数由SLPSO辨识。相比二阶RC模型，分数阶模型将电压RMSE和MAE分别降低3.45%和5.82%，SLPSO将平均末端电压RMSE从2.215 mV降至1.561 mV。
推荐理由：该文将分数阶等效电路模型与容量反馈耦合，在初始SOC失配下把SOC RMSE从4.9%至9.8%降到1%以内，可供做SOC/SOP联合估计的研究者参考。
关键词流·SOX 与寿命预测精选AI 评分6060 分层加权保形预测用于电池SOH监测的分析代码与预注册协议发布
独立研究者发布论文配套分析工件，包含完整分析流程代码、每次正式运行前写定的预注册设计与门控标准、同种子逐位一致重跑日志，以及重建的124电芯队列表与派生数字账本。原始公开数据集不再分发，提供带sha256校验的抓取脚本和八步复现链，随机种子固定，每张图由日志确定性生成并在渲染前对照34个锚点值校验。
推荐理由：该分析工件公开了分层加权保形预测的预注册协议、运行日志与124电芯队列重建表，便于复现其SOH监测流程。