HMSPC: A Hybrid Mechanistic-Stochastic Physical-Continuous Model for Battery Dynamics
Notice bibliographique
Résumé
Battery voltage dynamics are irregularly sampled, noise-corrupted, and strongly regime-dependent, properties that challenge standard sequential models. I propose HMSPC (Hybrid Mechanistic-Stochastic Physical-Continuous Model), a continuous-time latent variable model that addresses these challenges through two key components: a gated input-conditioned latent ODE that explicitly incorporates exogenous observations (current and temperature) into continuous-time state evolution, and a heteroscedastic observation model with uncertainty regularization that produces calibrated predictive variance. Built on the Latent ODE (Rubanova et al., 2019) framework, HMSPC replaces purely autonomous latent dynamics with a learned gating mechanism that adaptively controls how strongly operating conditions influence trajectory evolution at each integration step. Evaluated on the MIT-Stanford dataset (Severson et al., 2019) against Latent ODE and Vanilla Neural ODE (Chen et al., 2018) baselines across 5 seeds, HMSPC achieves a mean RMSE of 32.37 ± 1.34 mV compared to 58.33 ± 4.19 mV for Latent ODE, yielding a 45% reduction, alongside well-calibrated uncertainty estimates (ECE 0.078). Ablation studies confirm that input-conditioned drift and heteroscedastic noise each contribute meaningfully to both accuracy and calibration.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».