An interpretable hybrid LSTM–transformer framework with temporal attention fusion for lithium-ion battery state-of-charge estimation
Pradeep Menon、Shreyansh Jain、Ravi Velugula、Kanupriya Mittal、Mayank Mittal
3. 核验后排除：An interpretable hybrid LSTM–transformer framework with temporal attention fusion for lithium-ion battery state-of-charge estimation
本条保留在审核记录中，不计入
paper_count，也不作为正式寿命预测新增论文。
基本信息
- 标题：An interpretable hybrid LSTM–transformer framework with temporal attention fusion for lithium-ion battery state-of-charge estimation
- DOI/URL：https://doi.org/10.1038/s41598-026-67204-7
- 期刊/会议/预印本平台：Scientific Reports
- 发表日期：2026-08-17
- 作者和机构：Pradeep Menon、Shreyansh Jain、Ravi Velugula、Kanupriya Mittal、Mayank Mittal；机构包括 Indian Institute of Technology Madras、Dayananda Sagar University、Verdojah Technologies Private Limited。
- 通讯作者：Mayank Mittal（Nature 页面明确列出 correspondence 邮箱）
- 脚本评分：75
核验结论与排除理由
- Nature 页面可直接确认题名、作者、机构和摘要；模型是并行 LSTM + Transformer，并通过 Temporal Attention Fusion 处理短期波动与长期依赖。
- 摘要中的训练/测试设计是三种驾驶循环（steady state、urban、highway）训练，另用两种不同激烈程度和时长的新驾驶循环测试；还做 Gaussian noise 鲁棒性和复杂度分析。
- 但全文摘要没有 SOH、SOF、capacity fade、degradation trajectory、EOL 或 RUL 目标，也没有寿命预测标签/指标。它是 SoC 估计论文，不是电池寿命预测论文，因此按主题规则排除。
- 后续规则建议：对“battery + deep learning + lifespan/lifespan-related background”但标题和输出仅为 SoC 的候选增加排除惩罚，降低类似误报进入通知阈值的概率。
核验后排除说明
本条保留在审核记录中，不计入
paper_count，也不作为正式寿命预测新增论文。
基本信息
- 标题：An interpretable hybrid LSTM–transformer framework with temporal attention fusion for lithium-ion battery state-of-charge estimation
- DOI/URL：https://doi.org/10.1038/s41598-026-67204-7
- 期刊/会议/预印本平台：Scientific Reports
- 发表日期：2026-08-17
- 作者和机构：Pradeep Menon、Shreyansh Jain、Ravi Velugula、Kanupriya Mittal、Mayank Mittal；机构包括 Indian Institute of Technology Madras、Dayananda Sagar University、Verdojah Technologies Private Limited。
- 通讯作者：Mayank Mittal（Nature 页面明确列出 correspondence 邮箱）
- 脚本评分：75
核验结论与排除理由
- Nature 页面可直接确认题名、作者、机构和摘要；模型是并行 LSTM + Transformer，并通过 Temporal Attention Fusion 处理短期波动与长期依赖。
- 摘要中的训练/测试设计是三种驾驶循环（steady state、urban、highway）训练，另用两种不同激烈程度和时长的新驾驶循环测试；还做 Gaussian noise 鲁棒性和复杂度分析。
- 但全文摘要没有 SOH、SOF、capacity fade、degradation trajectory、EOL 或 RUL 目标，也没有寿命预测标签/指标。它是 SoC 估计论文，不是电池寿命预测论文，因此按主题规则排除。
- 后续规则建议：对“battery + deep learning + lifespan/lifespan-related background”但标题和输出仅为 SoC 的候选增加排除惩罚，降低类似误报进入通知阈值的概率。
查看关键词分类依据
- Transformer / attention · 标题包含「transformer」
An interpretable hybrid LSTM–transformer framework with temporal attention fusion for lithium-ion battery state-of-charg - LSTM · 标题包含「lstm」
An interpretable hybrid LSTM–transformer framework with temporal attention fusion for lithium-ion battery st - Generic neural network / deep learning · 摘要包含「neural network」
safety, efficiency, and lifespan. Recurrent neural networks are promising, but single network models often fail to capture both short-term - Hybrid model · 标题包含「hybrid」
An interpretable hybrid LSTM–transformer framework with temporal attention fusion for lithium-ion batte - Li-ion / LIB · 标题包含「lithium-ion」
framework with temporal attention fusion for lithium-ion battery state-of-charge estimation