澳門理工大學應用科學學院計算機應用技術博士學位課程博士生王奇隆在教授謝丹嬋、副教授鄧樹傑以及意大利博洛尼亞大學教授Giovanni Pau指導下，共同於國際學術期刊《IEEE Transactions on Transportation Electrification》(IEEE交通電氣化彙刊)發表論文“Decentralized Deep Learning Approach for Lithium-Ion Batteries State of Health Forecasting Using Federated Learning” (基於聯邦學習之分散式深度學習鋰離子電池健康度預測），為可持續交通發展及推動電動車和電池的潛力帶來智能解決方案，為智慧交通提供科研支持。

《IEEE交通電氣化彙刊》專注於與電動車相關的元件、電網接口技術、標準、動力、能源轉換和驅動等相關重點研究，最新的影響因子為7。期刊同時收錄於SCIE和Scopus等國際知名數據庫，於SCIE“工程：電子與電氣”和“運輸科技”領域內分別位列前10.23%和13.04%。

準確預測電池健康狀態對電動車的可靠性和行駛安全至關重要。常見的基於深度學習的電池健康預測方法通常依賴集中式數據來訓練和改進預測模型。然而，集中式方法存在數據隱私和可擴展性等方面的挑戰。本研究提出了一種基於聯邦學習的分散式模型訓練方法，能夠在保障駕駛者隱私、有效利用車載計算資源、並快速整合新數據的情況下，準確預測電池的衰退。針對電動車應用場景，本研究還提出了一種應用於聯邦學習訓練的客戶端選取策略，這一策略能夠在分散式訓練中提高模型的準確性，並達到與集中式訓練相近的效果。

本研究是該領域首批關注分散式相關問題的探索之一。通過準確且可靠的電動車電池健康預測，可以有效促進電動車產業的進一步發展，有助於提升電動車的使用壽命和性能，同時也提高了整體駕駛安全及體驗。此外，這種分散式方法有助於在更大範圍內保障用戶數據隱私，並減少集中式數據存儲的風險。