麻省理工李巨/邵阳合作，Nature Energy！
研之成理
2025-07-15 17:44
文章摘要
本文研究背景聚焦于直接甲醇燃料电池（DMFCs）在长期运行中因电催化表面污染导致的功率衰减问题。研究目的是开发一种基于演员-评论家强化学习的非线性策略模型（Alpha-Fuel-Cell），以优化动态电压调节策略，从而延缓催化剂性能衰减并提升功率输出。实验结果表明，该模型在12小时运行期间使时间平均输出功率达到恒电位操作的153%，并能有效恢复催化剂活性位点。结论指出，该框架不仅适用于DMFCs，还可推广至其他需要长周期实时决策的能源设备应用场景，展示了神经网络在实验科学中的强大潜力。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
京公网安备 11010802042870号
京ICP备2023020795号-1
