SambaMixer: Mamba 상태 공간 모델을 사용한 리튬 이온 배터리의 건강 상태 예측

리튬 이온 배터리의 건강 상태(SOH: State of Health)는 배터리의 잔여 용량과 잔여 수명을 결정하는 중요한 매개변수입니다. 본 논문에서는 리튬 이온 배터리의 SOH를 예측하기 위한 새로운 구조화된 상태 공간 모델(SSM: Structured State Space Model)인 삼바믹서(SambaMixer)를 제안합니다. 제안된 SSM은 다변량 시간 신호를 처리하도록 설계된 맘바믹서(MambaMixer) 아키텍처를 기반으로 합니다. 우리는 NASA 배터리 방전 데이터셋에서 우리의 모델을 평가하였으며, 이 데이터셋에서 우리의 모델이 최신 연구 결과보다 우수한 성능을 보임을 입증하였습니다. 또한, 시간 신호가 예상 길이에 맞도록 하면서 동시에 증강 기법으로도 작용하는 새로운 앵커 기반 재샘플링 방법을 소개합니다. 마지막으로, 위치 인코딩(positional encodings)을 사용하여 샘플 시간과 사이클 시간 차이에 따라 예측을 조건부로 설정함으로써 모델의 성능을 향상시키고 회복 효과(recuperation effects)를 학습할 수 있도록 하였습니다. 우리의 결과는 우리 모델이 높은 정확성과 견고성을 가지고 리튬 이온 배터리의 SOH를 예측할 수 있음을 증명하고 있습니다.