实际问题
即使底层重建不准，确定性投影也能制造“零上升违例”。评测必须追溯这个结果的真正来源，并与简单基线对照。
我的贡献
- 授权 AI 辅助审查约束开/关、相同初始化、留一电芯，以及原始与后处理输出的对照。
- 保留可复核的协议、逐点预测、复核输出与结论边界；本人独立复跑与口头讲解尚待完成。
工作方式：产品主导，AI 辅助实现，逐步检查与迭代。
关键选择与取舍
01
追溯零违例的来源
- 选择
- 对照 PINN 约束开/关、LSTM 和不训练的带噪输入基线，分别评价 raw、EMA 与 EMA+running-min 输出。
- 代价与取舍
- running-min 必然消除上升步，但可能长期保留过早的低值，并增大重建误差。
- 如何检查
- 独立复核脚本根据保存的逐点预测重算 RMSE 和上升违例；公开链接固定了被审查的实现与六条 CSV 快照。
这项工作说明了什么
机制审查发现，所有受评方法都是在共用 running-min 之后才达到零上升违例；原始输出仍频繁回升。约束开相对关未显示稳定收益，而带噪输入+EMA 基线取得最低的平均重建误差。另一次三训练种子、六电芯审查在 18 个种子与留出电芯组合中，PINN 与 LSTM 的平均 RMSE 分别为 0.9814 与 0.2221 Ah，也未支持 PINN 优势。
查看原始依据
当前边界
- 该协议重建或去噪已观测容量，不预测未来容量，也没有验证剩余使用寿命（RUL）。
- 审查只覆盖六条公开 CSV 快照、一组固定高斯噪声设定与继承实现，不构成功能安全认证或实际部署证据。
- 快照中存在与全局单调假设冲突的容量大幅回升；本次审查不能判定其来自恢复效应、测试工况还是数据提取问题。