麻省理工李巨/邵阳合作，Nature Energy！

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。