Estudio comparativo de sustitutos neuronales para la predicción del estado de la batería

Un estudio comparativo evalúa cuatro arquitecturas neuronales—MLP, ResNet, U-Net y FNO—como predictores autoregresivos de los estados internos de la batería utilizando el modelo de Doyle-Fuller-Newman. La U-Net logra un nRMSE final medio del 3% en todas las variables de estado y proporciona una aceleración de 5.38x sobre los solucionadores numéricos, demostrando la importancia del sesgo inductivo espacial en el rendimiento del sustituto.