リチウムイオン電池の健康状態（State of Health: SOH）は、バッテリーの残容量と寿命を決定する重要なパラメータである。本論文では、Li-ion バッテリーの SOH を予測するための新しい構造化状態空間モデル（Structured State Space Model: SSM）である SambaMixer を提案する。提案された SSM は、多変量時間信号を処理するために設計された MambaMixer アーキテクチャに基づいている。我々は、NASA のバッテリー放電データセットでモデルを評価し、その結果、本モデルがこのデータセットにおいて最先端の手法を上回っていることを示した。さらに、時間信号が期待される長さになることを保証しつつ、データ拡張技術としても機能する新しいアンカーベースのリサンプリング方法を導入した。最後に、位置エンコーディングを使用してサンプル時間とサイクル時間差に基づいて予測を条件付けすることで、モデルの性能向上と回復効果の学習を実現した。我々の結果は、SambaMixer モデルが高精度かつ堅牢性を持って Li-ion バッテリーの SOH を予測できる能力を持つことを証明している。