近日，我校计算机学院金海燕教授和蔡磊副教授共同指导的硕士研究生茹蕊提出了一种用于锂离子电池退化轨迹预测的合成数据生成与进化Transformer模型。在此研究中，使用条件生成对抗网络（CGAN）对电池容量退化曲线进行生成；设计了最大多样性筛选方法和数据评估方法，保证了生成曲线的合理性和可靠性；使用进化方法自动优化模型架构及其超参数，以提高预测精度和效率；将进化Transformer-CNN模型应用于电池退化轨迹预测。

进化Transformer-CNN模型的整体架构

如今，锂离子电池已广泛应用于电动汽车、航空航天及消费类电子产品。在电池管理系统中，识别锂离子电池在早期使用阶段的长期退化情况对于电池的使用维护至关重要，因此，该研究成果具有较高的应用价值。上述成果已发表在工程技术领域Top期刊Applied Energy，为中科院分区一区期刊，影响因子10.1。论文第一作者和第二作者分别为我校计算机科学与技术学科金海燕教授和硕士研究生茹蕊，通讯作者为蔡磊副教授。该成果与西安交通大学、南京工程学院、英国德蒙福特大学等单位合作完成，研究工作得到了国家自然科学基金（62372369，62272383，52107229），陕西省自然科学基础研究计划（2024GX-YBXM-442）等项目资助。该项成果的取得标志着我校计算机科学与技术学科硕士研究生培养质量又上新台阶，对促进我校计算机科学与技术学科的广泛合作与交流发挥了积极的作用。

原文链接：https://www.sciencedirect.com/science/article/pii/S0306261924020129

作者：蔡磊

审核：郭梁