研究前沿：麻省理工李巨团队-直接甲醇燃料电池Actor-Critic算法 | Nature Energy

本文介绍了麻省理工学院李巨团队在Nature Energy上发表的研究，该研究开发了一种基于Actor-Critic强化学习算法的非线性策略模型（Alpha-Fuel-Cell），用于优化直接甲醇燃料电池（DMFCs）的性能。研究背景是DMFCs因其高能量密度和燃料易储存、易运输性备受关注，但实际性能受到催化剂设计和动态操作条件的影响。研究目的是通过实时动态调节电压策略，解决催化剂中毒导致的性能衰减问题。实验结果表明，与恒定电位操作相比，该模型在12小时内平均输出功率提高了153%，结合自研低铂催化剂Co-Pt-Ru/NC，功率密度达到商业PtRu/C的4.6倍。此外，该模型还能主动清除催化剂表面的毒化物种，延长寿命超过250小时。该技术为能源器件的智能控制提供了新路径。