IF=60.1！MIT邵阳院士/李巨，重磅Nature Energy！

本文介绍了麻省理工学院邵阳院士和李巨教授团队在《Nature Energy》上发表的一项研究，他们开发了一种基于actor–critic强化学习的非线性策略模型（Alpha-Fuel-Cell），用于优化直接甲醇燃料电池（DMFC）的动态电压调整。该模型能够实时学习并推断催化剂状态，自动生成最优控制策略，从而显著提高输出功率并减缓催化剂降解。实验结果表明，与恒电位操作相比，该模型在12小时内将DMFC的平均输出功率提高了153%。此外，该框架还可应用于其他需要长期决策的能源设备。研究灵感来源于2016年《Nature》上关于深度学习和蒙特卡洛树搜索在围棋中的应用。