六面板排版示例

独立的教学模型放进一张图；不代表同一项实验。

合成示例 · 非实验数据

放大图样 ↗

给这张图选配色 →

① 源码与 CSV 解压到同一文件夹。

② 请 AI 运行 render_existing.py，得到 PNG、SVG 和 PDF；再核对并换成你的数据。

源码和 CSV 解压到同一文件夹即可重画。图件和提示词可分别下载。

你也可以用自己的话说。

查看请求

请读取绘图包里的 README 和 metadata.json，按说明在项目独立环境中运行包内已有源码，重画这份演示数据。不要重新生成或改写演示 CSV。收到我的文件后，先核对列名、单位、归一化基准与测试条件，再在副本中适配。逐圈容量、库伦效率与容量保持率用散点，不加连线；连续电压和光谱用无点实线，数据坐标四周保留框线。全电池保持率需明确参考圈、参考容量和相同工况，缺项先补齐；Li‖Cu 不强加保持率。不要继承演示条件、补造数据或静默覆盖旧图；回复只给结果位置和必要的下一步。

第一次用？先安装桌面软件 →

本程序只重画原合成示例。换自己的数据时，先让助手核对并适配输入与科学模型。

输入与使用边界

data_index.csv, sources.json, ../li_cu_ce/data.csv, ../li_cu_ce/profiles.csv, ../li_li/data.csv, ../eis/data.csv, ../full_cell/data.csv, ../full_cell/voltage_profiles.csv

输入格式、单位和条件见 README 与 metadata.json。示例是合成数据，不能用于论文实验结果。

Independent analytic teaching models reuse the source files above; A/B labels are local to each technique and do not establish cross-technique evidence.

示例的模型与依据

按声明的教学模型生成。参数为自设，引用支持公式或测试方法，不是从论文复制的实测数字。

计算关系

Inherited source equations; read scientific_basis of the declared dependency IDs.

使用边界

Layout/style linking does not establish cross-technique corroboration or causality.

模型来源

Deciphering coulombic loss in lithium-ion batteries and beyond
Charge/retention interpretation boundary only; component physics is in dependency records.

相关资源

来源与引用

原创合成示例，数据与本版源码包含在绘图包内；未使用论文数据或原图

VoltPeer. 六面板排版示例. Synthetic teaching delivery, version 1.2.0; data generator 1.6.

BIB ↓ RIS ↓

VoltPeer maintainers · v1.2.0 · MIT

文件、校验与检查状态

文件和格式已检查；模型测试范围见适配说明。格式检查不代表科学审核。

alignment.json ↓data_index.csv ↓figure.pdf ↓figure.png ↓figure.svg ↓metadata.json ↓sources.json ↓BRF-demo-integrated_study.zip ↓integrated_study.bib ↓integrated_study.ris ↓

assets/cycling-rule-v1.2.0/showcase/integrated_study/alignment.json  7f6eaaf773cde2915531c4bc9352142a04b5b0b7692bb5b534fe702d83c6ab40
assets/cycling-rule-v1.2.0/showcase/integrated_study/data_index.csv  7a3db0c87c98e697e5ca325a4e9a8202dd5dc6459f9fc8ca6dfe6b42a8b69442
assets/cycling-rule-v1.2.0/showcase/integrated_study/figure.pdf  6e287ef34535ee869abee502968be35fdd0ed5105ebaae45de06aa5253dac6e5
assets/cycling-rule-v1.2.0/showcase/integrated_study/figure.png  786803e771f30243b2e71a379d3ee267aa7bbf79458ec929b80b72355513de8e
assets/cycling-rule-v1.2.0/showcase/integrated_study/figure.svg  57dc73fdba2afb998b25d25bbe635c0b93d87b30db1d70b4d098106f608ee86d
assets/cycling-rule-v1.2.0/showcase/integrated_study/metadata.json  5309f864875e02923010c2f4703bcb0e26ab74ce9e588d79f3038c86347358cf
assets/cycling-rule-v1.2.0/showcase/integrated_study/sources.json  04c30a8c88e397a7f49e51f6ee4c3938a4d1ec864f0659d1516d618324fb02fe
assets/cycling-rule-v1.2.0/showcase/BRF-demo-integrated_study.zip  e543a053e0215408d60553718dfb5b8ad7d22e0b12be385938f3b3d43a9165a3
assets/citations/integrated_study.bib  e1e3d6740203c41f8c0a0e9d62fabf3e05f906e814de33d4770b1f3e206b8f0c
assets/citations/integrated_study.ris  9c6c6e40216ca9c700b16183a2956a35c6d51220a861c34e85dd4a49f74030b1

讨论或改进这份资源 → 返回资源库 →