[논문 전문] : https://www.mdpi.com/2079-9292/12/3/657
[출처] Wong, K.L.; Chou, K.S.; Tse, R.; Tang, S.-K.; Pau, G. A Novel Fusion Approach Consisting of GAN and State-of Charge Estimator for Synthetic Battery Operation Data Generation. Electronics 2023, 12, 657. https://doi.org/10.3390/electronics12030657
※ The picture and content of this article are from the original paper.
All picture and figures used in this article are sourced from publicily available on the internet.
[논문 요약]
A Novel Fusion Approach Consisting of GAN and State-of-Charge Estimator for synthetic Battery Operation Data Generation
개인적으로 저널을 크게 가리면서 논문을 읽는편은 아닙니다.
읽다보니 Nature나 상위 Tier 논문을 보게되었다라고하면, 신뢰를 가지고 보지만 애초에 논문을 선별할때부터 저널 급에따라 가리는 편은 아닌데요,
이렇게 읽다보면 왜 기피 저널이나 출판사가 생기는지 자연스럽게 알수있게 되더라구요
이 논문도 제기준에서는 그정도급입니다.
(보면 23년 1/9일 1차 Recived, 1/20 1차 Revision, 1/23 Accept, 1/28 Publish... 투고부터 Publish까지 3주도 안걸리네요)
Contents
본 논문은 아무런 특이한 테크닉이 없습니다.
상기 그림도 이 논문에서 그림만 그럴싸하게 그려놨을뿐, 그냥 Vanilla GAN입니다.
Novel Fusion Approach라고 제목이 되있길래 뭔가싶어 기대했지만, 아무것도 없습니다.
상기 그림에서 보이다시피 GAN을 학습시키고 생성한 V/I/T 데이터로 Pre-trained 된 LSTM 모델에 입력으로 하여 SOC를 Estimation하여 V/I/T/SOC까지 생성한다. 라고합니다.
이렇게 논문제목으로 사기치는사람들이 많아서 원.. 이전 논문에도 말씀드렸지만 AI와 배터리 두개의 다른 도메인에 대한 Fully understanding을 하고 Review를 하는사람들이 절대적으로 부족하기때문이라고 생각합니다.
이게 무슨 Novel Fusion Approach인가요..
GAN의 Loss Term에 새롭거나 특이한 Technique이 적용된것도 아니고, 그렇다고 SOC Estimator라는 Method가 인사이트있는것도 아니고, 그냥 누구나 다쓰는 LSTM 모델 pre-training해놓고 GAN에서 생성한 V/I/T에 대해 Regression해서 나온 SOC를 Labeling한게 전부입니다.
그렇다고 결과가 잘나왔냐?? 그렇지도 않습니다.
(b)를 보시면 RTS-GAN이 저렇게 일자로 나왔다고 하는데요. 글쎄요.. 제가 RTS-GAN도 리뷰를 했었는데요
적어도 본 논문보다는 훨씬 나아보이는데, 저자가 구현을 제대로 안한게 아닐까 생각됩니다.
https://limitsinx.tistory.com/342
다른 논문을 재구현한것 그렇다치고 그럼, 본 논문에서 제안한 기법은 훌륭하냐? (d)가 그결과물인데요
보라색 SOC를 봐주시기바랍니다.
이 논문에서는 Novel Fusion Approach라는것이 컨셉이므로, V/I/T도 Jitter Noise가 잔뜩 낀것처럼 이상하게 나오지만 백번양보해서 그렇다칩시다. 그러면 SOC라도 제대로 따라가야죠 SOC Estimator가 Novelty라고 주장하는 부분인데
그런데 (a)에서의 보라색 SOC는 300초간 변화가 전혀 없습니다만, (d)에서는 SOC가 엄청나게 흔들립니다. 심지어 초깃값조차 틀려버리구요
300초동안 SOC가 저렇게 Fluctuation이 심할수는 없습니다. 그러니까 본 논문에서 제안한 Method자체도 Novelty가 전혀없을뿐 아니라, 그냥 GAN을 구현한 그마저도 성능이 매우 처참합니다.
다들 PCA, t-SNE 잘나왔다고 이렇게 그림그리는데요
지난 배터리-GAN논문에서도 몇번이나 말씀드렸지만, PCA와 t-SNE는 검증하기위한 보조지표일뿐입니다.
막말로 GAN으로 생성안하고, 원본데이터에 Gaussian Noise조금 씌워서 PCA, t-SNE해도 그림 이렇게 예쁘게 나옵니다.
즉, 이건 어디까지나 보조지표일뿐이지 실제 생성된 데이터를 보면, 의도한대로 안나오는 경우가 대부분입니다.
그나마 이부분은 조금 재밌었습니다.
Epoch에따라서 PCA와 t-SNe가 어떻게 변해가는가인데, 약 13,000epoch이후로는 크게차이가 없다라라는게 이 논문의 결과입니다. 저도 이쪽연구를 하고있는데 경우에 따라서는 epoch이 일정수준이상 넘어가면 오히려 성능이 악화되는 경우도 많이 봤습니다.
제가 Reviewer였으면, 바로 진보성 부재로 Reject 할 논문인데요,
논문 투고부터 publish까지 3주도 안걸린걸보니, 제대로 심사나했으려나 싶습니다.
어디라고 언급은 안하겠지만 특정 출판사들은 오히려 Career에 있는게 더 안좋은 경우도있는데요,(그냥 실적 채우기처럼 보여서)
그런 논문은 투고도/Reviewer가 되는것도 지양하는게 좋다고 생각합니다.
Results
바로 Reject 할 논문
참조
[1] Wong, K.L.; Chou, K.S.; Tse, R.; Tang, S.-K.; Pau, G. A Novel Fusion Approach Consisting of GAN and State-of-Charge Estimator for Synthetic Battery Operation Data Generation. Electronics 2023, 12, 657. https://doi.org/10.3390/electronics12030657
댓글