IonSense-QKG：用于锂离子电池数据集发现的量子就绪元数据框架

arXiv:2607.01286v1 公告类型：新 摘要：公共锂离子电池数据集越来越多地用于健康状态估计、剩余使用寿命预测、异常检测、电化学诊断、二次寿命分析和电池安全研究。然而，这些数据集在化学、模式、规模、标签质量、序列结构、访问状态和预处理复杂性方面存在很大差异。这些差异直接影响数据集对于近期混合量子经典机器学习工作流程是否可行。本文介绍了 IonSense-QKG，这是一种用于锂离子电池数据集发现的量子就绪元数据框架。从 EV-Battery-IonSense 索引开始，所提出的框架通过量子相关元数据丰富了公共电池数据集记录，包括任务类型、传感模式、化学、标签可用性、序列类型、预处理要求、候选量子编码、估计量子位范围和 NISQ 可行性。引入了透明的量子就绪分数，将数据集排名为未来混合量子经典电池基准的候选资源。该分数旨在作为数据集选择启发式方法，而不是作为量子优势的证据。该框架演示了对丰富元数据的基于查询的发现，以识别适合紧凑量子特征图、量子时间序列工作流程、有限标签异常检测和未来电池健康基准测试的数据集。发布的工件包括元数据表、评分脚本、稳健性检查、链接检查实用程序和 SQL 样式查询示例。 IonSense-QKG 将数据集选择定位为数据管理问题，并为以数据为中心的量子电池分析提供可重复的基础。