電気自動車の急速な普及に伴い、リチウムイオンバッテリーの正確かつ効率的な診断が求められています。本研究では、電気化学バッテリーモデルのパラメータ識別を深化させるために、深層学習に基づいた新しいフレームワークを提案しています。従来のメタヒューリスティックアプローチは計算コストが高く、収束が遅いデメリットがあります。一方、最新の機械学習手法は、実際には利用できない一定電流データに依存しているため限界があります。本提案では、電解質を伴う単粒子モデルのニューラル代替モデルと、固定点反復法を組み合わせ、リチウム濃度ダイナミクスの予測精度を向上させることを目指しました。このアプローチは、サンプルあたりの評価時間と収束に必要な全体の反復回数を大幅に削減し、2000倍以上の加速を実現し、動的負荷シナリオにおいて従来の手法を上回る精度を示しました。