BatteryLake：基于智能体与物理知识的电池老化数据治理平台

公共电池老化数据集对电池健康管理至关重要，但实际应用中常面临数据格式不一致、元数据分散、语义不明确等问题。现有数据整理多依赖人工且难以复现，通用数据集成工具又难以处理电化学时间序列数据的领域特性。

近日，研究团队在arXiv发表论文提出BatteryLake——一个基于治理的数据湖仓平台，通过智能体驱动、物理知识融合的整理框架，将原始公共电池数据转化为可直接用于基准测试的标准化资产。该框架包含三大创新：首先，大语言模型智能体自动提取元数据并生成数据集特定转换器，所有输出均基于原文证据，缺乏支持时主动放弃；其次，人机协同机制将验证转化为选择性预测，通过26条模式、统计和物理合理性规则对数据进行筛选；最后，团队发布了包含25个以上机构41个数据集的开放基准测试，涵盖标准化健康状态与剩余寿命预测任务、三种分割协议和八个基线模型家族。

该平台实现了电池老化数据从分散杂乱到标准可用的转变，为电池健康管理研究提供了可复现的数据基础。平台、基准测试及整理协议已在GitHub开源发布。