物理情報ニューラルネットワーク(PINN)を使用して、擬似2次元(P2D)リチウムイオン電池モデルの計算コストを大幅に削減し、パラメータ推定を高速化することができる。
単一粒子モデルのPINN代替モデルを構築し、マルチフィデリティ階層的トレーニングを用いて、物理損失関数の残差のみを使用してもサロゲートモデルの精度を大幅に向上させることができる。
