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
今日新材料
2025-07-15 00:21
文章摘要
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。
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。