编辑推荐：
：
电气化交通与能源系统高度依赖锂离子电池，其安全、高效、耐久的运行依赖于在电芯（cell）、模组（module）和电池包（pack）层面开展的大量实验表征。生成此类数据需要专用设备、长周期循环测试、受控测试环境以及大量的能源和人力投入。因此，实验电池数据集是
：
电气化交通与能源系统高度依赖锂离子电池，其安全、高效、耐久的运行依赖于在电芯（cell）、模组（module）和电池包（pack）层面开展的大量实验表征。生成此类数据需要专用设备、长周期循环测试、受控测试环境以及大量的能源和人力投入。因此，实验电池数据集是高价值科学资产，其复用有望加速研究进展，同时减少重复开展昂贵实验所带来的浪费。
过去十年间，已发表的电池研究数量与公开可用的电池数据集数量均大幅增长。一系列综述和调研对不断扩展的数据集版图进行了梳理，在提升可见性和推动开放数据实践方面发挥了重要作用。2020年，数据复用的主要障碍是可用性有限，而非语义互操作性不足。在此背景下，综述论文和精选调研对于突出特定数据集、使该领域更易理解至关重要。
如今，制约因素已经转变。公共电池数据集不再稀缺，但大规模地发现、情境化和比较这些数据集仍然困难。数据发现依赖于综述文章中的静态表格、补充PDF或非正式的资源库列表，这些方式很少做到全面详尽，无法进行动态查询，且很快过时。由此产生的限制是结构性的，而非仅仅是数量上的。术语、实验条件、指标定义、诊断模式和文件组织方式的差异是复用的主要障碍。即使数据集开放可获取，将其整合到比较研究或自动化工作流中仍然困难。高价值的实验数据往往局限于狭窄的子社区，或主要在已知其存在的研究中被复用。从数据稀缺到语义碎片化的这一转变，标志着电池数据生态系统进入了一个新阶段。制约因素不再是数据是否存在以及在哪里找到数据，而是其实验情境能否被系统化地理解和比较。
随着这一转变日益清晰，电池研究社区提出了对共享概念、一致元数据和可互操作描述的需求。温度范围、荷电状态（state-of-charge）窗口、诊断测试类型和协议等反复出现的描述符如今出现在许多数据集中，尽管实现方式并不一致。一种隐性的电池语言已在实践中出现，但其使用仍然碎片化，且仅在部分情况下具备机器可读性。
与此同时，更广泛的科学社区已采纳FAIR原则（可发现、可访问、可互操作、可复用）作为改进数据管理的框架。在电池研究中，这些原则已为围绕元数据要求、来源追踪、可复现性以及电池数据基因组（Battery Data Genome）等倡议的讨论提供了依据。然而，实际实施仍然不均衡，尤其是对于先于当前报告惯例存在的遗留数据集。持续的挑战在于如何在一个异构且历史积累的数据版图中落实这些原则，特别是如何将遗留数据集纳入现代元数据工作流。
2022年，关于可信电池AI和数字电池基础设施的路线图已勾勒出成熟电池数据生态系统应实现的目标：结构化元数据、机器可读语义以及可复现的跨研究基准测试。已有若干重要举措实现了这一愿景的某些方面。BattINFO本体论（由欧盟BIG-MAP项目开发，由Battery2030+社区维护）为结构化电池元数据奠定了基础。BIG-MAP存档开发了一个可复用平台，支持在大型多元化联盟内安全共享电池数据。在机构层面，Kadi4mat提供了共享电池研究数据的通用平台。电池知识库（Battery Knowledge-Base）展示了将语义与MediaWiki平台相结合以记录电池知识和元数据的优势。电池档案库（Battery Archive）托管了精选的公共电池数据集并提供搜索和仪表盘功能。在研究领域之外，营利性公司也认识到开放电池数据和元数据的价值。Linux基金会能源倡议下的电池数据联盟（Battery Data Alliance）汇集了工业界和研究团体，共同开展开放数据标准和资源合作。社区显然已认识到对结构良好、精心策划的电池数据的需求。
这些举措主要侧重于建立良好实践和构建基础设施，以发布当前及未来的新电池数据集。然而，在历史数据集的文档记录和策展方面存在明显空白，无法使其适用于现代FAIR和AI工作流。
为应对这一空白，研究人员引入了电池数据共享注册库（Battery Data Commons，简称“Commons”），这是一个社区驱动、开放访问的公共电池数据集元数据注册库。此处“共享注册库”一词指的是一种共享的开放研究基础设施，通过结构化描述和社区贡献来组织和改善对公共电池数据元数据的访问。该注册库系统性地索引了同行评审文献和机构资源库中的遗留数据集，并通过一个轻量级、电池专用的数据本体论对其进行组织，该本体论标准化了跨化学体系、电芯格式、协议和老化模式的实验描述符。电池数据本身仍联邦式地分布在各机构和资源库中，因此该注册库并非电池数据存储库。它维护着一个机器可读的交叉链接注册库，使实验情境在分布式数据集之间更易于定位、比较和复用。
每个数据集通过一个结构化元数据记录来表示，该记录捕获来源、实验范围、关键情境变量和访问信息，包括持久标识符和指向原始托管位置的直接链接。元数据层以结构化、机器可读的格式导出，并由基于网页的图形界面直接摄取，支持动态搜索和过滤。该注册库旨在支持长期策展和社区贡献，同时提高历史数据集的可发现性、可比性和复用性，并具备随社区持续发展的能力。
上述举措解决了电池数据基础设施的互补层面。BattINFO提供了描述电池知识和数据的正式语义及本体论框架。Kadi4Mat则提供通用研究数据管理和存储库基础设施，与DataLab和Galv等平台目的相近。电池档案库集中托管精选电池数据集并提供可视化和比较工具；截至撰写时，其包含不到30个数据集，且公共新闻页面自2023年11月以来未再更新。电池数据共享注册库则发挥不同功能。它作为一个联邦式元数据注册库运作，因此不需要将原始数据从其原始托管位置转移或复制。相反，它协调跨分布式资源库的结构化记录和链接，并系统性地强调遗留数据集；截至发表时，它索引了数百个数据集。其他科学领域也存在类似架构：OPTIMADE为跨分布式材料数据库的联邦式查询定义了通用接口，而国际虚拟天文台联盟则维护着一个注册库的注册库（Registry of Registries）来协调参与的天文注册库。
简而言之，该共享注册库认同电池数据基因组和Battery2030+路线图等资源所勾勒的联邦式电池数据社区愿景。通过采用结构化、机器可读的元数据模式，该注册库能够支持与社区其他平台和软件的直接交互和交换。通过这种方式，它可以成为支持加速电池研究和创新的整体资源网络的一部分。
一、研究背景与问题
电池数据的生成高度依赖专用设备、长周期循环测试和受控环境，成本高昂且耗时。过去十年间，电池研究文献和公开电池数据集的数量均大幅增长，但数据发现仍主要依赖综述文章中的静态表格、补充PDF或非正式资源库列表，这些方式难以动态查询且快速过时。研究指出，电池数据生态已从“数据稀缺”阶段过渡到“语义碎片化”阶段：公共数据集不再稀缺，但术语、实验条件、指标定义和文件组织方式的差异成为复用的主要障碍。2020年时数据复用的主要障碍是可用性不足，而如今制约因素已转变为实验情境能否被系统化理解和比较。尽管FAIR原则和BattINFO本体论等倡议已提出多年，但实际实施不均衡，尤其对于先于现行报告惯例的遗留数据集。现有平台如电池档案库（Battery Archive）仅收录不足30个数据集且更新停滞，Kadi4Mat、BIG-MAP存档等侧重新建数据基础设施，在历史数据集的文档记录和策展方面存在明显空白。为填补这一空白，研究人员引入了电池数据共享注册库（Battery Data Commons，简称Commons），这是一个社区驱动、开放访问的公共电池数据集元数据注册库，旨在将分散的公共数据版图转变为可导航、可复用的研究空间。该论文发表于《Joule》。
二、主要技术方法
研究人员构建该注册库采用的关键技术方法包括：其一，以既有电池数据集综述论文为基线，纳入约70个已知数据集；其二，通过API辅助收割（harvesting）从Zenodo、Figshare、Dryad、OSF等主要公共数据源及Scientific Data/Crossref记录中采集候选数据，使用电池相关检索词结合资源库特定过滤条件；其三，采用保守的确定性规则对候选记录进行筛选，包括标题、描述、关键词、来源链接和落地页文本检查，以及基于规范化DOI、URL和标题-年份键的重复检测；其四，可选地使用OpenAI gpt-5.2模型辅助生成临时元数据草案和早期审阅优先级排序，但该输出仅作为策展辅助而非权威元数据；其五，实施结构化质量控制检查，包括电池相关性复核、DOI语法验证、可达性检查和完整性评分；最后，所有候选记录均须经人工策展人对照原始论文、资源库页面或数据集对象进行审阅批准后方可纳入规范注册库。
三、研究结果
注册库内容构成：截至2026年9月13日发布版本，电池数据共享注册库包含349个不同的公共电池数据集，涵盖性能、耐久性、现场、建模和安全等类别，另有62个关联软件资源。其中281个数据集（约81%）未在早期主要综述文献中系统编目。索引记录合计代表超过21,000个测试电芯和数百电芯年的数据，引用了约270 TB的底层原始数据。约90%条目关联持久标识符（DOI），84%提供直接访问链接，90%数据集以开放许可共享。
数据版图的即时偏差：通过2015–2025年逐年数据分析发现，公共电池数据以圆柱形锂离子电芯为主（占61%），其中18650和21700规格、层状氧化物正极（NMC、NCA或LCO）和石墨负极占主导。约60%数据集标称容量低于5 Ah，而电动汽车和电池储能系统（BESS）实际采用的大尺寸方形LFP电芯（如比亚迪刀片电池，容量超300 Ah）和46XX大圆柱格式在公共数据中代表性不足。NMC（38%）、LFP（19%）、NCA（12%）是最常见的正极材料，钠离子等新技术开始出现。43%数据集测试不超过10个电芯，32%测试11至60个，20%超过60个。
元数据范围与结构化模式：每个数据集通过轻量级电池专用本体论定义的结构化元数据记录表示，涵盖来源层、实验和技术情境，包括数据层级（电芯、模组或电池包）、电池制造商、几何形状、额定容量、化学体系、电芯数量、测量属性、内阻测量、电化学阻抗谱（EIS）、开路电压相关方法、循环仪类型、许可信息和DOI等。缺失字段记录为“未报告”而非推断。
注册库基础设施与数据流：注册库通过策展人主导的工作流维护，结合自动化收割、可选的机器辅助临时元数据起草和结构化质量控制。候选记录存储为版本控制的JSON文件，通过自动化检查后仍需人工策展人批准才能提升为规范记录并生成公共界面发布资产。
公共界面：图形用户界面支持关键词搜索，可按高层类别、数据层级和发表年份过滤。每个数据集页面展示简洁元数据摘要、DOI解析、关联出版物链接和原始数据托管URL，并列出贡献者、支持用户标记不一致之处。
数据与处理代码的链接：数据集记录在可用时包含指向外部资源库（如GitHub）的公共数据处理代码链接，便于复用和定向，但外部资源库不在注册库内镜像或标准化。
当前局限与计划中的文件级互操作性：注册库标准化数据集描述而非底层数据文件内部结构。当前平台不协调索引文件的内部模式，也不将异构源数据转换为通用格式，组合数据集可能仍需大量预处理。解决此局限是注册库的规划扩展方向。
四、讨论与结论
讨论部分指出，电池数据共享注册库将静态数据集综述转变为活的基础设施。社区贡献和长期可持续性是核心设计考量：研究人员可通过公开贡献工作流提交新条目、改进元数据或报告错误，所有变更均须经策展人审阅。注册库采用开放格式、公共版本控制和持久标识符，确保长期可访问性和可引用性。未来扩展方向包括丰富现有数据集元数据、链接参数识别和建模工作（如BPX和PINEAPPLE工具）、容纳全固态电池、钠离子化学体系、金属-空气电池等新兴体系，以及超声测量和断层扫描等非破坏性诊断模式。
研究结论翻译：实验电池数据生成成本高昂、重复生成环境负担沉重，且往往难以规模化重现。然而公共电池数据的增长并未转化为同等的复用增益，因为主要瓶颈已不再是数据可用性本身，而是跨数据集实验情境描述的碎片化和不一致性。电池数据共享注册库通过为联邦式公共电池数据集提供活的可搜索元数据注册库来应对这一瓶颈。其核心贡献在于重新激活遗留数据集的可复用性：通过为历史资源和当代资源同样附加结构化、机器可读的元数据，该注册库有助于保存实验知识、减少重复劳动并延长现有数据的使用寿命。电池数据共享注册库并非独立于其他电池数据倡议，而是作为新兴联邦式电池数据生态系统中的实用层，可连接不断演进的本体论、格式、存档和下游分析工具。通过持续策展和社区广泛参与，该注册库有助于确保公共电池数据更易于发现、更易于解释，并在实验、计算和工业研究中发挥更大价值。
