BatteryLake: ИИ-платформа для унификации данных о старении аккумуляторов
Проблема разрозненности данных о старении аккумуляторов давно тормозит развитие систем управления батареями. Разные форматы, неясные схемы и метаданные, разбросанные по репозиториям и публикациям, делают ручную курацию трудоемкой и плохо воспроизводимой. Общие инструменты интеграции данных не учитывают специфику электрохимических временных рядов.
Команда исследователей представила BatteryLake — governed data lakehouse, который автоматизирует превращение сырых публичных данных в готовые к использованию бенчмарки. В основе подхода лежит агентная, физически обоснованная курация с тремя ключевыми элементами.
Во-первых, LLM-агенты извлекают метаданные и синтезируют конвертеры для каждого датасета, при этом каждое значение подкрепляется дословным доказательством из источника. Если подтверждения нет, агент воздерживается от вывода.
Во-вторых, встроен механизм human-in-the-loop, который рассматривает верификацию как селективное предсказание. Данные проходят через 26 правил проверки: схемные, статистические и проверки физической правдоподобности.
В-третьих, опубликован открытый бенчмарк из 41 датасета, предоставленных более чем 25 институтами. Он включает стандартизированные задачи по оценке состояния здоровья (SOH) и остаточного ресурса (RUL), три протокола разбивки и восемь семейств базовых моделей.
BatteryLake значительно упрощает работу исследователей: вместо ручного разбора каждого датасета можно сразу приступить к обучению и сравнению моделей. Платформа, бенчмарк и протокол курации доступны на специальном сайте.
