MagBridge-Battery: A Synthetic Bridge Dataset for Li-ion Magnetometry and State-of-Health Diagnostics

Battery health diagnostics today rely overwhelmingly on electrochemical signals measured at the cell terminals. A parallel literature has shown that magnetic sensing can resolve information that terminal-only measurements miss, but method development is limited by the absence, to the best of our knowledge, of public battery magnetic-measurement datasets paired with degradation labels. We release MagBridge-Battery v1.0, a synthetic dataset of 6,760 magnetic-field signatures that bridges real magnetic morphology from the Mohammadi-Jerschow Open Science Framework (OSF) archive with state-of-health (SOH) labels from the PulseBat dataset. The release contains 5,600 PulseBat-conditioned grounded samples, 600 synthetic sensor-anomaly samples derived from clean parents, and 560 low-voltage Regime-B extrapolation samples. A cell-disjoint, parent-child-leakage-free primary benchmark split is verified to contain zero overlapping cells, zero cross-split parent-child pairs, and zero sample-ID overlap. We define three primary benchmark tasks: SOH regression, second-life classification, and anomaly detection, plus an auxiliary anomaly-subtype classification task. A controlled label-shuffle ablation collapses SOH regression from R^2 approximately 0.77 to approximately 0, confirming that the bridge encodes input SOH non-trivially rather than producing label-aligned artifacts. The dataset is released on Zenodo under CC-BY-4.0, and the bridge code and benchmark suite are released under Apache-2.0. This work provides a public benchmark for magnetic-sensing battery diagnostics while paired magnetic-electrochemical measurements remain scarce.

📋 한 줄 요약

**[배터리 진단 / 합성 데이터셋]** 자기장 형상과 SOH(상태 건강도) 라벨을 결합한 최초의 공개 합성 데이터셋 MagBridge-Battery v1.0과 SOH 회귀·2차수명 분류·이상탐지 벤치마크 공개.

🎯 핵심 기여도

단자 전기화학 신호 기반 배터리 진단의 한계를 보완할 자기 센싱 데이터의 부재라는 분야 공백을 정의.
Mohammadi-Jerschow OSF의 실제 자기장 형상과 PulseBat의 SOH 라벨을 연결한 6,760개의 합성 자기장 시그니처로 구성된 MagBridge-Battery v1.0 공개.
셀 단위 분리(cell-disjoint)와 parent-child 누수 제거를 검증한 primary benchmark split, 5,600개 PulseBat-conditioned 샘플 + 600 합성 센서 이상 + 560 저전압 Regime-B 외삽 샘플로 구성.
SOH 회귀·2차수명 분류·이상 탐지 + 보조 이상 서브타입 분류 4가지 벤치마크 태스크 정의, 라벨 셔플 ablation으로 R² ~0.77 → 0 붕괴를 확인해 정보가 비자명하게 인코딩됨을 입증.

💡 핵심 아이디어

실제 자기장-전기화학 페어 측정이 희소한 현실에서, 실제 자기 형상과 외부 SOH 라벨을 통계적·물리적으로 연결한 "합성 브리지"를 통해 진단 모델 개발에 필요한 표준 벤치마크를 만들 수 있다는 발상.

🔬 기술적 접근법

**모델/방법론**: 자기장 형상(소스: OSF) × SOH 라벨(소스: PulseBat) 합성 브리지, cell-disjoint split 보장.
**핵심 기법**: PulseBat-조건부 grounded 샘플 생성, 합성 센서 이상 샘플 derivation, 저전압 Regime-B extrapolation 샘플 추가, 라벨 셔플 ablation으로 정보 leakage 부재 검증.

📊 주요 결과

총 6,760 샘플 (5,600 grounded + 600 anomaly + 560 Regime-B).
셀 중복 0건, parent-child 쌍 0건, 샘플 ID 중복 0건 검증.
라벨 셔플 시 SOH 회귀 R² ~0.77 → ~0으로 붕괴.

💭 의의 및 한계

**의의**: 자기 센싱 기반 배터리 진단 연구의 첫 공개 벤치마크로서 후속 알고리즘 비교의 기준점을 제공. **한계**: 합성 데이터의 본질적 한계로 실제 자기 측정-실제 전기화학 신호 페어를 완전 대체하지는 못하며, 실제 디바이스 측정값으로의 도메인 갭 검증이 필요.

🚀 실용적 활용

전기차·ESS 배터리 진단을 위한 자기 센싱 알고리즘 개발 베이스라인.
2차수명 배터리 선별 분류기 학습용 데이터셋.
자기 센서 이상 탐지 알고리즘 평가 프레임워크.