Zespół badaczy opracował IonSense-QKG, system metadanych przeznaczony do ułatwienia odkrywania publicznych zbiorów danych baterii litowo-jonowych pod kątem ich przydatności w hybrydowych przepływach pracy łączących obliczenia kwantowe z klasycznymi. Narzędzie stanowi rozszerzenie istniejącego indeksu EV-Battery-IonSense, wzbogacając rekordy zbiorów danych o metadane bezpośrednio związane z obliczeniami kwantowymi, w tym typ zadania (np. estymacja stanu zdrowia, predykcja pozostałego czasu użytkowania), typ czujnika, skład chemiczny baterii, dostępność etykiet, strukturę sekwencji czasowych i wymagania preprocessingu.
Framework wprowadza przejrzysty Quantum Readiness Score - wskaźnik do rankingowania zbiorów danych w kategorii potencjalnych zasobów dla przyszłych hybrydowych benchmarków bateryjnych. System obejmuje szacunki dotyczące odpowiednich kodowań kwantowych, zakresów kubitów oraz wykonalności na urządzeniach NISQ (Noisy Intermediate-Scale Quantum). Autorzy podkreślają, że score stanowi heurystykę do wyboru zbiorów danych, a nie dowód na przewagę kwantową.
Praktyczne zastosowanie frameworka pozwala na wyszukiwanie zbiorów danych nadających się do kompaktowych map cech kwantowych, kwantowych przepływów pracy dla szeregów czasowych, detencji anomalii z ograniczoną ilością etykiet i przyszłych benchmarków zdrowotności baterii. To połączenie tradycyjnych standardów katalogowania z specyficzną wiedzą o wymogach kwantowych adresuje rosnące zainteresowanie hybrydowymi podejściami do diagnostyki baterii w erze rozwoju technologii kwantowej.