Araştırma, lityum-iyon hücrelerin bozunması sırasında elektrot kinetiğinde ortaya çıkan yapısal değişimin yalnızca batarya yönetim sistemlerinin zaten kaydettiği deşarj gerilim eğrilerinden belirlenip belirlenemeyeceğini inceliyor. Çalışmada LFP, NCA, NMC ve LCO olmak üzere dört katot kimyasını kapsayan 134 hücre, NASA batarya verileri, 2.000 çevrimlik kontrollü PyBaMM simülasyonu ve ömür sonuna kadar çevrimlenmiş 127 Severson LFP hücresi üzerinde kayan pencere nedensel çıkarımı ve topolojik veri analizi kullanılmıştır. Bulgular, toplam nedensel bağlantı sayısının büyük ölçüde korunurken ilişkilerin doğrusal yapıdan doğrusal olmayan yapıya kaydığını; NASA B0005 hücresinde dört nedensel okun 76. çevrim civarında yön değiştirdiğini; nedensel etkinin belirli düğümlerde yoğunlaşmasını ölçen seyreltme oranının simülasyonda 3,74'ten 4,74'e yükseldiğini ve bağımsız geri besleme döngülerini sayan birinci Betti sayısının β₁ batarya ömrü boyunca dört aşamalı bir topolojik yaşam döngüsü izlediğini gösteriyor. Bununla birlikte gerilim özellikleri elektrot aşırı potansiyelini doğrudan ölçmediği için gözlenen yapısal dönüşüm Butler–Volmer doğrusal-Tafel geçişiyle uyumlu bir veri imzası olarak değerlendirilmelidir; çalışma kapalı çevrim bir BMS müdahalesinin hücre ömrünü uzattığını doğrudan göstermemektedir.

Çalışmanın uygulama açısından dikkat çeken yönü, kapasite eğrisinde belirgin bir “knee” yani diz noktası oluşmadan önce bazı hücrelerde nedensel yapının değişebilmesidir. Örneğin NASA B0006 hücresinde kapasite eğrisinde belirgin bir diz noktası bulunmamasına karşın nedensel yapı ve ayrı bir topolojik gösterge yaklaşık 50. çevrimde değişmiştir. Bu nedenle araştırma, yalnız kapasite kaybını izleyen klasik sağlık göstergelerinden önce ortaya çıkabilecek farklı bir erken uyarı sinyalinin mümkün olabileceğini öne sürmektedir.

Araştırmanın temel sorusu nedir?

Taze bir lityum-iyon hücrede elektrot tepkimeleri elektrokimyasal dengeye görece yakın koşullarda gerçekleşir. Çalışmanın fiziksel çerçevesinde bu durum Butler–Volmer denkleminin küçük aşırı potansiyelli, yaklaşık doğrusal bölgesine karşılık gelir. Katı elektrolit ara yüzeyi (solid-electrolyte interphase, SEI) büyümesi, aktif malzeme kaybı ve mekanik bozunma gibi mekanizmalar ilk dönemde görece bağımsız ve kademeli ilerleyebilir.

Bozunma ilerledikçe sistem niteliksel olarak değişebilir. Negatif elektrot porozitesinin azalması, lityum kaplama ve başka bozunma mekanizmaları arasında pozitif geri besleme kurulması, hücreyi daha doğrusal olmayan bir rejime taşıyabilir. Sorun şudur: bu rejim değişimini doğrudan görmek için elektrokimyasal empedans spektroskopisi (EIS) gibi üretim araçlarında rutin olarak bulunmayan ölçüm donanımları veya eksiksiz parametrelendirilmiş fizik tabanlı modeller gerekebilir.

Tsuyoshi Okita'nın çalışması bunun yerine şu soruyu soruyor: Bir BMS'nin zaten her çevrimde kaydettiği deşarj gerilim eğrisinin içindeki nedensel ilişkinin yapısı izlenerek bu rejim değişimi yakalanabilir mi?

Gerilim eğrisinden hangi altı özellik çıkarılıyor?

Her çevrimin deşarj gerilim eğrisi V(SOC) üzerinden altı özellik hesaplanmıştır:

Bu altı değişken gerilim ve akım sinyallerinden türetilebilir. Yazarın vurguladığı operasyonel avantaj, referans elektrot, hücre sökümü veya özel bir empedans ölçüm cihazı gerektirmemesidir.

Hangi veri setleri kullanıldı?

Çalışma tek bir batarya veri setine dayanmamaktadır. Birden fazla deneysel kaynak ve bir fizik tabanlı kontrollü simülasyon birlikte kullanılmıştır.

PyBaMM simülasyonunda porozite 0,249'dan 0,175'e düşmüş ve kapasite diz noktası 591. çevrimde oluşmuştur. Severson hücrelerinin tamamı %80 kapasite korunumu ile tanımlanan ömür sonuna kadar çevrimlenmiştir.

Kayan pencere nedensel analizi nasıl yapılıyor?

Çevrim serisi bir kayan pencereyle parçalara ayrılmış ve her pencere içinde yeni bir nedensel grafik tahmin edilmiştir. Böylece zaman boyunca yalnızca değişkenlerin değerleri değil, değişkenler arasındaki yönlü bağlantıların sayısı ve yönü de izlenmiştir.

Birincil yöntemlerden SVAR-FM, yapısal vektör otoregresyonu ve ICA tabanlı Gauss dışılık bilgisini kullanarak nedensel yönleri belirlemektedir. Çalışmada temel SVAR-FM analizi için W=30 çevrimlik pencere ve 200 bootstrap tekrarı kullanılmıştır.

PDC+SCE ise nedensel etkileri yollarına ayırarak karşı-olgusal müdahaleler üzerinden etkinin ne kadar az sayıda düğüm üzerinde yoğunlaştığını değerlendirir.

Sonuçların tek algoritmaya bağımlı olup olmadığını sınamak için üç karşılaştırma yöntemi kullanılmıştır:

• PCMCI+ParCorr: doğrusal kısmi korelasyon tabanlı koşullu bağımsızlık;
• PCMCI+GPDC: doğrusal olmayan bağımlılıkları da yakalayabilen Gaussian Process Distance Correlation;
• RESIT: Kernel Ridge regresyon artıkları ve HSIC bağımsızlık testi.

Butler–Volmer rejimi neden önemlidir?

Çalışmanın fiziksel yorumunun merkezinde Butler–Volmer denklemi bulunur:

\[ j = j_0 \left[ \exp\left(\frac{\alpha_a F\eta}{RT}\right) - \exp\left(-\frac{\alpha_c F\eta}{RT}\right) \right] \]

Burada j akım yoğunluğu, j₀ değişim akım yoğunluğu, η aşırı potansiyel, F Faraday sabiti, R evrensel gaz sabiti, T mutlak sıcaklık ve α_a ile α_c anodik ve katodik yük transfer katsayılarıdır.

Kaynağın verdiği küçük aşırı potansiyel yaklaşımı:

\[ j \approx \frac{j_0F\eta}{RT} \]

şeklindedir. Büyük η bölgesinde ise Tafel tipi doğrusal olmayan davranış baskınlaşır:

\[ j \approx j_0 \exp\left(\frac{\alpha_aF\eta}{RT}\right) \]

Yazarın hipotezi, batarya bozundukça empedansın ve dolayısıyla aşırı potansiyelin yükselmesiyle elektrot kinetiğinin bu yaklaşık doğrusal rejimden doğrusal olmayan rejime kaydığıdır. Ancak gerilim eğrisinden çıkarılan altı özellik η'yı doğrudan ölçmemektedir; bu nedenle çalışmanın nedensel-grafik sonucu fiziksel rejim değişiminin doğrudan elektrokimyasal ölçümü değil, onunla uyumlu veri temelli bir göstergedir.

Doğrusal bağlantılar azalırken toplam bağlantılar korunuyor mu?

PyBaMM simülasyonunda farklı nedensel yöntemler diz noktası öncesi ve sonrasında karşılaştırılmıştır:

Bu karşılaştırmanın ana mesajı, toplam bağlantı sayısında anlamlı düşüş görülmezken doğrusal bileşenin azalması ve doğrusal olmayan bağlantı göstergesinin artmasıdır. Çalışmada diz öncesinde nedensel ilişkilerin yaklaşık %49'u doğrusal olarak belirlenirken bu oran diz sonrasında yaklaşık %37'ye düşmektedir.

Bu sonuç “nedensel ağ yok oluyor” anlamına gelmez. Yazarın yorumu, bağlantıların sayısının büyük ölçüde korunduğu fakat ilişkilerin matematiksel işlev biçiminin doğrusal yapıdan doğrusal olmayan yapıya kaydığı yönündedir.

Nedensel yön ne zaman tersine dönüyor?

NASA B0005 hücresi çalışmanın en somut örneklerinden biridir. SVAR-FM yaklaşık 76. çevrimde dört nedensel kenarın yön değiştirdiğini belirlemiştir. Kaynağın fiziksel yorumuna göre erken aşamada SEI büyümesinin porozite değişimini sürüklediği yapı, daha sonra porozite kaybının SEI büyümesini hızlandırdığı bir geri besleme düzenine dönüşmektedir.

B0007'de değişim özellikle keskindir: nedensel kenar sayısı tek ayrık geçişte 4'ten 18'e, geri besleme döngüsü sayısı 0'dan 5'e çıkmıştır. B0018'de 16 yeni kenar ortaya çıkarken mevcut kenarlardan hiçbirinin kaybolmadığı raporlanmıştır. Bu gözlemler, pozitif geri besleme yapısının bazı hücrelerde önceki nedensel yapının yerini tamamen almak yerine onun üzerine eklenebildiğini göstermektedir.

EIS değişkenleri aynı geçişi destekliyor mu?

NASA verisindeki elektrolit direnci R_e ve yük-transfer direnci R_ct fiziksel değişkenleri de gerilim özellikleriyle birlikte analiz edilmiştir. En az 100 çevrime sahip 13 NASA hücresinin %92'sinde R_e ↔ R_ct nedensel bağlaşımı çevrim boyunca görülmüştür.

B0005'te başlangıçta baskın R_ct → R_e yönüne yaklaşık 76. çevrimde R_e → R_ct yönünün eklenmesiyle çift yönlü yapı oluşmuştur. 111. çevrimden sonra kaynak, yapının tek yönlü Capacity → R_ct ilişkisine yakınsadığını raporlamaktadır. Gerilim özellikleri ile EIS değişkenlerinin aynı zaman civarında yapısal değişim göstermesi, gözlenen geçişin yalnız gerilim özelliklerinin matematiksel bir artefaktı olmadığı görüşünü desteklemek için kullanılmıştır.

Nedensel etkiler geçişten sonra daha mı yoğunlaşıyor?

PDC+SCE, bir değişkene müdahale edildiğinde ortaya çıkan ortalama mutlak bireysel tedavi etkisini E_i olarak hesaplar. Seyreltme oranı:

\[ D= \frac{\max_i E_i} {\operatorname{mean}_i E_i} \]

şeklinde tanımlanır. D yükseldikçe toplam nedensel etkinin az sayıda baskın düğüm üzerinde yoğunlaşması artmaktadır.

Seyreltme oranı deneysel hücrelerin %75,3'ünde artmıştır. Geçiş göstergesi bütün dört katot kimyasında görülmüş; kaynak NCA için %77, LFP için %71, LCO için %67 ve NMC için %59 tespit oranı raporlamıştır.

SNL veri setinin kendi içinde NCA hücrelerinin 17/22'sinde (%77), NMC hücrelerinin ise 20/39'unda (%51) geçiş belirlenmiştir. Yazar bu farkın katot kimyasıyla ilişkili olabileceğini ileri sürmektedir; ancak bu gözlemsel karşılaştırma tek başına kimyanın nedensel olarak farkı oluşturduğunu kanıtlamaz.

Kapasite diz noktası olmadan yapısal geçiş görülebilir mi?

Evet, incelenen veri setinde böyle örnekler vardır. Kaynak, nedensel-yapı geçişlerinin kapasite diz noktası bulunan hücrelerin %70'inde, diz noktası bulunmayan hücrelerin ise %62'sinde tespit edildiğini bildiriyor.

NASA B0006 hücresinde belirgin bir kapasite diz noktası yoktur; buna karşın nedensel grafik yaklaşık 50. çevrimde değişmiş ve topolojik veri analizindeki H₀ göstergesi de aynı dönemde değişim göstermiştir. Yazar bunu, kapasite kaybı belirginleşmeden önce nedenler arasındaki ilişkinin değişebileceğine ilişkin kanıt olarak yorumlamaktadır.

Ancak bu bulgu “her bataryada kapasite kaybı önceden kesin olarak tahmin edilebilir” anlamına gelmez. 134 deneysel hücrenin yalnız 101'i kayan pencere analizi için yeterli çevrim sayısına sahipti; 40 çevrimden az veriye sahip 33 hücre analiz dışında bırakılmıştır.

C-rate nedensel geçişle ilişkili mi?

SNL grubunda 3C ile deşarj edilen hücrelerin %100'ünde yapısal değişim raporlanırken 0,5C grubunda bu oran %60'tır. Bu gözlem, çalışma koşulunun geçiş görülme sıklığıyla ilişkili olduğunu göstermektedir.

Yazar buradan, BMS geçişi algıladığında C-rate'i azaltmanın pozitif geri besleme gelişimini yavaşlatabilecek olası bir kontrol eylemi olduğunu ileri sürmektedir. Ancak çalışmada algılama sinyalinin gerçekten C-rate'i otomatik değiştirip hücre ömrünü uzattığı kapalı çevrim bir deney yapılmamıştır. Dolayısıyla öneri uygulanabilir bir hipotez ve kontrol stratejisidir; doğrulanmış ömür uzatma sonucu değildir.

Topolojik analiz ne ekliyor?

Nedensel grafik yalnız düğüm ve kenarlardan oluşan istatistiksel bir ağ değil, aynı zamanda topolojik bir nesnedir. Çalışma özellikle iki Betti sayısını kullanır:

• β₀: bağlantılı bileşenlerin sayısı;
• β₁: bağımsız çevrimlerin, bu bağlamda bağımsız geri besleme döngülerinin sayısı.

Birinci Betti sayısı Euler ilişkisiyle hesaplanır:

\[ \beta_1 = |E|-|V|+\beta_0 \]

Burada |E| yönsüzleştirilmiş grafikteki kenar sayısı, |V| değişken sayısı ve β₀ bağlantılı bileşen sayısıdır.

PyBaMM simülasyonunda PCMCI tabanlı β₁, diz öncesinde 0,78 ± 0,42 iken diz sonrasında 0,25 ± 0,44'e düşmüştür (p<0,0001). β₀ ise 2,22 ± 0,58'den 2,74 ± 0,84'e yükselmiştir (p=0,005). Buna karşın RESIT β₁ yaklaşık 5,59–6,00 düzeyinde kalmış ve birleşik grafik β₀=1 ile tamamen bağlantılılığını sürdürmüştür. Yazar bunu doğrusal geri besleme bileşenlerinin zayıflarken doğrusal olmayan nedensel döngülerin korunmasıyla açıklamaktadır.

Kalıcı homoloji analizinde ilk döngünün doğuş eşiği için kaynak 0,225'ten 0,754'e geçiş raporlamaktadır (p<0,0001). Bunun hemen ardından diz öncesi güçlü doğrusal döngülerin yaklaşık α≈0,001 düzeyindeki sıkı eşiklerde doğduğu da yazılmıştır. Kaynak bu iki diz-öncesi α ifadesinin ilişkisini açıklamadığından burada değerler birleştirilmemiş veya sessizce düzeltilmemiştir.

Dört aşamalı batarya yaşam döngüsü

127 Severson LFP hücresinin her birinin toplam çevrim ömrü on eşit faza ayrılmıştır. Hücreler 392 ile 1.935 çevrim arasında ömre sahip olup tamamı %80 kapasite korunumu noktasına kadar çevrimlenmiştir.

β₁ ilk %0–10 yaşam evresinde 0,855 iken %10–20 evresinde 0,926 ile maksimuma ulaşmış ve daha sonra genel olarak azalarak %90–100 ömür aralığında 0,727'ye gerilemiştir. Ömür sonunda analiz pencerelerinin %45'inde β₁=0 bulunmuştur; döngülerin en yaygın olduğu tepe fazında bu oran %31'dir (p=0,043).

Çalışmanın desteklediği sonuçlar

• İncelenen simülasyon ve deneysel veri setlerinde batarya yaşlandıkça doğrusal nedensel bağlantı göstergeleri azalırken doğrusal olmayan bağlantı göstergeleri korunmakta veya artmaktadır.
• NASA B0005 hücresinde SVAR-FM dört nedensel yön değişimini yaklaşık 76. çevrimde belirlemiştir.
• Nedensel etkinin düğümler arasında yoğunlaşmasını gösteren seyreltme oranı hem simülasyonda hem analiz edilen deneysel alt grupta geçiş sonrasında anlamlı biçimde yükselmiştir.
• Bazı hücrelerde nedensel-yapı değişimi kapasite diz noktası bulunmadan da görülmüştür.
• 127 LFP hücresindeki β1 analizi, geri besleme döngülerinin ömür boyunca doğuş, tepe, kalıcılık ve çöküş evreleriyle değiştiğini göstermektedir.
• Analiz için kullanılan altı özellik standart BMS gerilim/akım kayıtlarından elde edilebilir.

Çalışmanın desteklemediği veya doğrudan test etmediği sonuçlar

• Altı gerilim özelliği Butler–Volmer aşırı potansiyelini doğrudan ölçmemektedir.
• Nedensel grafikteki her okun belirli tek bir mikroskobik elektrokimyasal mekanizmaya eşit olduğu deneysel olarak gösterilmemiştir.
• Yöntem kalan faydalı ömrü doğrudan çevrim sayısı olarak tahmin etmemektedir.
• C-rate'in geçiş sonrası düşürülmesinin hücre ömrünü ne kadar uzattığı kapalı çevrim deneyle gösterilmemiştir.
• BMS içinde gerçek araç filosunda yanlış pozitif ve yanlış negatif maliyetleri değerlendirilmemiştir.
• Çalışma bütün lityum-iyon kimyaları ve kullanım profilleri için evrensel bir dört-aşamalı eşik takvimi sunmamaktadır.

Türkiye açısından yorum: Çalışmanın veri setleri Türkiye'deki araç, şebeke depolama veya yerel batarya filolarından toplanmamıştır. Metodolojinin Türkiye'deki elektrikli araç veya sabit enerji depolama sistemlerinde kullanılması için yerel hücre kimyaları, sıcaklık profilleri, C-rate dağılımları, sürüş/şarj çevrimleri ve BMS örnekleme yapılarıyla ayrıca doğrulanması gerekir. Çalışmadaki çevrim sayıları veya geçiş oranları Türkiye'deki bataryalara doğrudan aktarılmamalıdır.

Çalışmanın Yöntemi ve Bulguları

Birincil analiz ve karşılaştırma yöntemleri

Pencere duyarlılık analizi W=30, 50, 100 ve 150 değerlerinde gerçekleştirilmiştir. Kaynak, temel nitel sonucun W≥50 için tutarlı olduğunu raporlamaktadır. W=30'da RESIT'in kernel tabanlı yaklaşımının istatistiksel gücünün yetersiz kaldığı ayrıca belirtilmiştir.

134 hücrelik deneysel kümede tespit oranları

134 hücrenin 101'i kayan pencere analizi için yeterli çevrim sayısına sahiptir; 33 hücre 40 çevrimden az veri içerdiği için dışlanmıştır. Deneysel kümede SVAR-FM hücrelerin %40'ında, PDC+SCE %38'inde nedensel-yapı değişimi belirlemiştir. Karşılaştırma yöntemlerinden PCMCI+ParCorr %43, RESIT %42 oranında değişim saptamıştır.

Doğrusal olmayan yöntemlerin kullanılması geri besleme ortaya çıkışının tespit oranını %4'ten %16'ya yükseltmiştir. Kaynak bunu dört kat artış olarak raporlamaktadır.

127 hücreyle bağımsız yaşam döngüsü doğrulaması

Severson LFP verilerinde SVAR-FM diz sonrasında ortalama nedensel kenar sayısında 5,41'den 4,49'a düşüş belirlemiştir (eşleştirilmiş t=7,70, p<0,0001). PCMCI β₁ 0,77'den 0,67'ye düşmüştür (p=0,014).

Hücre bazında 127 örneğin 31'inde (%24) istatistiksel olarak anlamlı nedensel-yapı değişimi bulunmuş ve bu 31 hücrenin 27'sinde (%87) değişim azalma yönünde gerçekleşmiştir.

Araç üstü BMS açısından hesaplama yükü

Kaynak, altı değişken ve W=100 için SVAR-FM çıkarımının modern bir işlemcide pencere başına saniyeler mertebesinde sürdüğünü belirtmektedir. Analiz her çevrimde değil, pencere S çevrim ilerledikçe yapıldığından ortalama hesaplama maliyeti S çevrim başına birkaç saniyeye karşılık gelmektedir.

Yazar sabit depolama sistemlerinde günde bir çevrim veya elektrikli araçlarda haftada birkaç çevrim gibi kullanım senaryolarında bu hesabın boşta kalma süresine göre küçük olacağını savunmaktadır. Hesabın şarj sırasında ertelenmesi veya filo seviyesindeki bir sunucuya aktarılması da önerilmektedir. Ancak çalışma belirli bir ticari BMS mikrodenetleyicisi üzerinde işlemci, RAM, enerji tüketimi veya gerçek zaman test sonuçları sunmamaktadır.

Yöntemin kritik sınırlılıkları

• PCMCI+GPDC tam deneysel veri kümesine değil simülasyon verisine uygulanmıştır.
• Kernel tabanlı RESIT küçük pencerelerde düşük istatistiksel güce sahiptir.
• Yöntem yapısal değişimi ve yaklaşık çevrim konumunu bulsa da kalan faydalı ömür tahmini üretmez.
• Gerilim özellikleri fiziksel elektrot değişkenlerinin dolaylı vekilleridir.
• C-rate kontrolü kapalı çevrim hücre testiyle doğrulanmamıştır.
• Gerçek filo dağıtımındaki yanlış alarm maliyetleri incelenmemiştir.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: Topological Analysis of Causal Graphs Reveals Four Stages of Feedback Evolution in Lithium-Ion Battery Degradation: Toward Model-Free Onboard Diagnosis

Yazar: Tsuyoshi Okita.

Yazar sırası / eş katkı: Çalışma tek yazarlıdır; eş birinci yazar veya eş katkı beyanı bulunmamaktadır.

Sorumlu yazar: Tsuyoshi Okita. Kaynak PDF'de açıkça Corresponding author olarak belirtilmiştir.

Kurum: Department of Artificial Intelligence, Kyushu Institute of Technology, Iizuka, Fukuoka 820-8502, Japan.

DOI: 10.2139/ssrn.7199501

Platform: SSRN.

Resmî bağlantı: https://ssrn.com/abstract=7199501

Yayın tarihi: 29 Temmuz 2026.

Gönderim bilgisi: Kaynak PDF “Preprint submitted to Applied Energy — July 29, 2026” ifadesini taşımaktadır. Bu bilgi dergiye gönderimi ifade eder; çalışma bu sürümde Applied Energy'de yayımlanmış bir makale olarak değerlendirilmemelidir.

Kaynak türü ve hakemlik durumu: Bu çalışma hakem değerlendirmesinden geçmemiş bir preprinttir; sonuçları bu yayın aşaması dikkate alınarak değerlendirilmelidir.

Lisans: SSRN kaydı açık Creative Commons lisansı vermemekte ve izinsiz yeniden kullanıma izin verilmediğini belirtmektedir. Bu nedenle özgün makale şekilleri burada kopyalanmamış; bilimsel mesajları kaynak sayıları ve özgün Verianla tablo/Live yapılarıyla yeniden ifade edilmiştir.

Finansman: Kaynakta ayrı bir finansman beyanı bulunmamaktadır.

Veri erişilebilirliği: BatteryLife veri seti, NASA Prognostics Center of Excellence verileri ve Severson veri setinin kamuya açık olduğu belirtilmiştir. PyBaMM açık kaynaklıdır. Analiz kodunun kalıcı tanımlayıcılı bir genel depoya bırakıldığı belirtilmekte, ancak depo adresinin bu sürümde yalnız hakem ve editörlere sağlandığı yazmaktadır.

Çıkar çatışması: Yazar bilinen herhangi bir mali çıkar çatışması veya çalışmayı etkileyebilecek kişisel ilişki olmadığını beyan etmektedir.

CRediT: Tsuyoshi Okita; Conceptualization, Methodology, Software, Formal analysis, Investigation, Data curation, Visualization, Writing – original draft ve Writing – review & editing rollerini üstlenmiştir.

Kaynak içi nicel tutarsızlık: Kalıcı homoloji bölümünde ilk geri besleme döngüsünün doğuş eşiğinin diz öncesinde α=0,225 ve diz sonrasında α=0,754 olduğu raporlanırken, takip eden cümlede diz öncesi döngüler için yaklaşık α≈0,001 ifadesi kullanılmaktadır. Kaynak bu iki diz-öncesi değerin farklı istatistikleri temsil edip etmediğini açıklamadığından bu Verianla makalesi değerleri sessizce uzlaştırmamıştır.

Bilimsel kaynak sınırı: Bu makaledeki hücre sayıları, kimyalar, özellikler, nedensel çıkarım yöntemleri, Butler–Volmer denklemi, p değerleri, nedensel kenar sayıları, seyreltme oranları, Betti sayıları, dört aşamalı yaşam döngüsü, C-rate karşılaştırması ve BMS hesaplama iddiaları yüklenen 23 sayfalık çalışmaya dayanmaktadır. Dış bibliyografik kontrol yalnız DOI, SSRN tarihi, iletişim yazarı ve lisans durumunu doğrulamak için kullanılmış; ana bilimsel metne dışarıdan yeni deneysel bulgu eklenmemiştir.

Temel yorum sınırı: Gerilim eğrisindeki nedensel yapının değişmesi Butler–Volmer doğrusal-Tafel rejim değişimiyle tutarlı bulunmuştur; ancak çalışma gerilim özelliklerinden aşırı potansiyeli doğrudan ölçmemektedir. Ayrıca önerilen BMS tabanlı C-rate azaltma stratejisi henüz kapalı çevrim saha veya hücre deneyinde doğrulanmamıştır. Yazarın kendi ifadesiyle çalışma “doğrulanmış dağıtım” değil, dağıtılabilirlik açısından fizibilite kanıtı sunmaktadır.