清华深圳国际研究生院夏必忠、张璇团队JEC：锂离子电池健康状态估计

本文介绍了清华大学深圳国际研究生院夏必忠、张璇团队在锂离子电池健康状态（SOH）估计方面的研究成果。研究团队提出了一种基于量子卷积神经网络（QCNN）的模型，该模型能够从少量放电数据中有效提取健康因子，并通过量子旋转门编码实现自动特征融合。该模型在处理随机和噪声数据时显示出较高的准确性、鲁棒性和泛化性，为云电池管理系统（BMS）利用量子计算能力进行SOH估计提供了新的方法。研究结果表明，QCNN模型在多个数据集上的表现优于传统模型，显著提高了估计的准确性。相关研究成果已发表在《能源化学》期刊上。