Il trasformatore Swin3D prevede la dinamica di scarica delle batterie

I ricercatori hanno introdotto un surrogato di deep learning che utilizza il trasformatore Swin3D per prevedere le dinamiche di scarica spazio-temporali nelle batterie agli ioni di litio a partire da dati volumetrici. Il modello integra la codifica posizionale gaussiana per l'adattamento delle caratteristiche spaziali alle microstrutture degli elettrodi e un modulo di codifica temporale per l'evoluzione non lineare delle serie temporali. Validato su un dataset di simulazione elettrochimica, supera i baselines all'avanguardia basati su nuvole di punti in accuratezza, riducendo al contempo il costo computazionale di ordini di grandezza. Il lavoro è stato pubblicato su arXiv con ID 2607.20577.