Byterat - Battery Data Platform

Byterat - Battery Data Platform

Byterat (now Ohm), San Francisco, Y Combinator backed · Programmation · Entreprise

Byterat est une plateforme de données pour batteries qui rassemble les fichiers de cycleurs, de laboratoires externes et de tableurs au même endroit, puis lance des analyses assistées par IA pour raccourcir la qualification des cellules et des packs.

Aperçu de l'interface de Byterat - Battery Data Platform

À propos de Byterat - Battery Data Platform

About

Qu'est-ce que Byterat

Byterat est une plateforme de données pour batteries destinée aux équipes qui testent des cellules, des packs et des matériaux. Elle récupère les fichiers des cycleurs et des laboratoires externes, les nettoie et place chaque essai sur une chronologie consultable. En mai 2026, l'entreprise a renommé le produit Ohm et élargi son périmètre à l'ingénierie matérielle au-delà des batteries. Les flux de travail batteries décrits ici restent disponibles sous ce nouveau nom.

Le problème qu'elle règle, c'est la gestion des données de R&D batteries. Un laboratoire courant fait tourner deux ou trois marques de cycleurs, reçoit des PDF d'un centre d'essai externe et garde la moitié de son historique dans des tableurs. Byterat normalise l'ensemble et rattache les métadonnées, si bien qu'un ingénieur compare un nouveau prototype au témoin sans écrire de parseur. Beaucoup d'équipes arrivent ici après avoir utilisé un logiciel de test de batteries comme Voltaiq, Batalyse ou Astrolabe, et la différence se voit après l'ingestion.

La limite tient au modèle commercial. Il n'y a ni inscription en libre-service ni tarif public. Un ingénieur seul avec un cycleur n'est pas la cible, et une évaluation sérieuse prend des semaines.

Premiers pas

  1. Échangez avec l'équipe pour cadrer les programmes d'essai, les marques de cycleurs et les sources de données.
  2. Raccordez les cycleurs et les flux des laboratoires externes pour que les fichiers se synchronisent et que les métadonnées suivent vos schémas.
  3. Invitez les ingénieurs, puis définissez les rôles et les droits par programme.
  4. Importez un premier prototype et définissez les indicateurs qui comptent, comme la perte de capacité ou l'efficacité coulombique.
  5. Lancez une analyse ou déléguez-la en langage naturel, puis enregistrez le flux comme modèle réutilisable.

Informations sur le produit

Aperçu des tarifs, des plateformes compatibles et des performances de Byterat - Battery Data Platform.

Offre gratuiteNon
Offres payantesCustom quote (enterprise)
PlateformeWeb
DéveloppeurByterat (now Ohm), San Francisco, Y Combinator backed
CatégorieProgrammation · Entreprise
Date de lancementN/A
Dernière mise à jourSep 2026
Visites du siteN/A
Classement mondial du siteN/A
Disponibilité de l’APIN/A

Idéal pour

Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.

Utilisateurs

  • Ingénieurs de laboratoire d'essais batteries
  • Chercheurs en cellules et matériaux
  • Responsables d'ingénierie
  • Responsables qualification et fiabilité

Tâches

  • Consolider les données de plusieurs fabricants de cycleurs
  • Chercher la cause racine sur des cellules défaillantes
  • Rapports de qualification
  • Planifier la capacité d'essai

Cas d'usage

  • Un laboratoire avec plusieurs marques de cycleurs
  • Des programmes qui dépendent d'un centre d'essai externe
  • Une équipe qui perd un ingénieur senior

Fonctionnalités clés

Ingestion des cycleurs avec jonction automatique

Byterat récupère les données des grandes marques de cycleurs et des laboratoires externes, y compris les fichiers PDF et CSV. Les séquences réparties sur plusieurs fichiers sont recollées automatiquement, ce qui supprime l'étape où quelqu'un renomme les fichiers en espérant que les canaux correspondent. Les nouveaux formats sont gérés par l'éditeur, pas par vos ingénieurs : une mise à jour chez un fournisseur ne se transforme pas en deux semaines de parsing.

Contrôles qualité et synchronisation des métadonnées

Les contrôles tournent à l'arrivée des données et signalent les problèmes de format avant qu'ils n'atteignent un modèle en aval. La synchronisation depuis vos schémas garde les identifiants de cellule, les numéros de prototype et les conditions d'essai attachés au bon enregistrement. Résultat concret : l'analyse des données de cycleurs part d'une entrée propre, et un import douteux se repère le jour même.

Analyse en langage naturel avec code inspectable

L'ingénieur décrit sa question, par exemple comparer les tendances de dégradation de trois formulations, et la plateforme choisit les données, écrit le code, l'exécute, cherche du contexte dans la littérature interne et publiée, puis produit un rapport. Chaque ligne du code reste visible, hyperparamètres et méthodes statistiques compris. Cette transparence sépare l'outil auquel un laboratoire fait confiance de la boîte noire qu'il n'utilisera pas.

ML Playground et détection d'anomalies

Les types de modèles courants s'entraînent et se déploient dans la plateforme sans écrire de code, et les modèles tournent dans les pipelines actifs plutôt que dans un notebook relancé à la main. La détection d'anomalies surveille les changements de pente et les écarts hors du bruit attendu. Le gain se lit sur l'arrêt anticipé : un programme à un million de dollars par an récupère environ 200 000 dollars de capacité quand la durée moyenne baisse de 20 %, selon l'estimation de l'éditeur.

Salle de contrôle et comparaison entre prototypes

Les tableaux de bord en direct montrent ce qui tourne, l'occupation de chaque canal et ce qui distingue un prototype du précédent. Les alertes opérationnelles couvrent les cas qu'un laboratoire ne verrait qu'en passant dans la salle. Comme plateforme d'analyse de batteries, elle dépasse le stockage, parce que la vue comparative sert pendant la réunion et non après.

Modèles PyBaMM et flux réutilisables

Les modèles physiques tournent via l'intégration native de PyBaMM à côté des données expérimentales : simulation et mesure partagent le même environnement. Les flux validés s'enregistrent comme modèles exécutés sur chaque nouveau jeu de données, et la base de connaissances conserve le raisonnement derrière chacun. Une bonne part du logiciel de laboratoire de batteries s'arrête au tracé de courbes ; cette couche transmet la méthode d'un ingénieur au suivant.

Avantages et inconvénients

Avantages

  • Un seul jeu de données réunissant plusieurs marques, des laboratoires externes et des tableurs, ce qui supprime la fusion manuelle qui ralentit chaque campagne.
  • Une analyse déléguée qui rend du code inspectable : le résultat se vérifie au lieu d'être accepté sur parole.
  • Des modèles prédictifs logés dans le pipeline d'ingestion, ce qui transforme l'arrêt anticipé d'un essai en décision courante.
  • Des utilisateurs nommés illimités, donc tout le laboratoire consulte les mêmes données sans calcul par siège.
  • Des modèles de flux et une traçabilité qui transforment la méthode d'un ingénieur senior en actif conservé par l'équipe.

Inconvénients

  • Aucun tarif public ni parcours en libre-service. Il faut passer par les ventes, et une vraie évaluation demande des semaines.
  • Pas d'offre gratuite : un petit laboratoire ne peut pas tester le flux sur un cycleur avant d'engager un budget.
  • Le changement de nom pour Ohm en 2026 coupe la documentation en deux. Résultats de recherche, anciens liens et notes internes pointent encore vers Byterat, ce qui ralentit la prise en main.
  • C'est un logiciel d'entreprise pensé pour des programmes avec un vrai volume d'essais. Dans une équipe de deux personnes avec un cycleur, la mise en place coûte plus qu'elle ne rapporte.

Questions fréquentes

À stocker et analyser des données d'essais batteries. Les équipes s'en servent pour ingérer des fichiers de cycleurs et des rapports de laboratoire, comparer des prototypes, détecter des anomalies et rejouer des analyses dans un programme de qualification.