Numerical physics-based models are useful in understanding battery performance and developing optimal battery design architectures. Data science developments have enabled software algorithms to perform data analysis and decision making that traditionally could only be performed by technical experts. Traditional workflows of model development - manual parameter estimation through visual comparison of simulations to experimental observations, and model discrimination through expert intuition - are time-consuming, and difficult to justify. This paper compares the conclusions derived from computationally scalable algorithms to conclusions developed by expert researchers. This paper illustrates how data science techniques, such as cross-validation and lasso regression, can be used to augment physics-based simulations to perform data analysis such as parameter estimation, model selection, variable selection, and model-guided design of experiment. The validation of these algorithms is that they produce results similar to those of the expert modeler. The algorithms outlined are well-established and the approaches are general, so can be applied to a variety of battery chemistries and architectures. The conclusions reached using these approaches are in agreement with expert analysis (literature results), were reached with minimal human intervention, and provide quantitative justification. By minimizing the amount of expert time, and providing rigorous quantitative justifications, these methods may accelerate battery development.

中文翻译：

---

电池科学中的定量参数估计，模型选择和变量选择

基于数值物理的模型对于理解电池性能和开发最佳电池设计架构很有用。数据科学的发展使软件算法能够执行数据分析和决策，而这些分析和决策通常只能由技术专家来执行。传统的模型开发工作流-费时，且难以证明其合理性，即通过将仿真与实验观察值进行可视比较来进行手动参数估计，以及通过专家的直觉来进行模型判别。本文将计算可扩展算法得出的结论与专家研究人员得出的结论进行了比较。本文说明了数据科学技术，例如交叉验证和套索回归，可用于增强基于物理学的模拟，以执行数据分析，例如参数估计，模型选择，变量选择以及模型指导的实验设计。这些算法的验证在于它们产生的结果与专家建模器的结果相似。概述的算法已经建立并且方法通用，因此可以应用于各种电池化学和架构。使用这些方法得出的结论与专家分析（文献结果）相符，是在最少的人工干预下得出的，并提供了定量的依据。通过最大限度地减少专家时间，并提供严格的定量依据，这些方法可以加快电池开发速度。和模型指导的实验设计。这些算法的验证在于它们产生的结果与专家建模器的结果相似。概述的算法已经建立并且方法通用，因此可以应用于各种电池化学和架构。使用这些方法得出的结论与专家分析（文献结果）相符，是在最少的人工干预下得出的，并提供了定量的依据。通过最大限度地减少专家时间，并提供严格的定量依据，这些方法可以加快电池开发速度。和模型指导的实验设计。这些算法的验证在于它们产生的结果与专家建模器的结果相似。概述的算法已经建立并且方法通用，因此可以应用于各种电池化学和架构。使用这些方法得出的结论与专家分析（文献结果）相符，是在最少的人工干预下得出的，并提供了定量的依据。通过最大限度地减少专家时间，并提供严格的定量依据，这些方法可以加快电池开发速度。因此可以应用于各种电池化学和架构。使用这些方法得出的结论与专家分析（文献结果）相符，是在最少的人工干预下得出的，并提供了定量的依据。通过最大限度地减少专家时间，并提供严格的定量依据，这些方法可以加快电池开发速度。因此可以应用于各种电池化学和架构。使用这些方法得出的结论与专家分析（文献结果）相符，是在最少的人工干预下得出的，并提供了定量的依据。通过最大限度地减少专家时间，并提供严格的定量依据，这些方法可以加快电池开发速度。