Non classé
L’apprentissage par renforcement permet un contrôle de la tension en temps réel.
Les piles à combustible à méthanol direct (DMFC) offrent une alternative énergétique prometteuse en convertissant l’énergie chimique du méthanol en électricité.
Cependant, leur efficacité décline avec le temps, principalement en raison de l’inefficacité croissante des matériaux catalytiques.
Pour contrer cette dégradation, une méthode consiste à ajuster la tension appliquée aux piles, mais cette approche manuelle n’est pas pratique pour un usage réel.
Des chercheurs du MIT ont mis au point Alpha-Fuel-Cell, un système basé sur l’intelligence artificielle qui optimise en temps réel la tension appliquée, améliorant ainsi la production électrique des DMFC de 153 % par rapport aux méthodes manuelles.
Ce système utilise une architecture acteur-critique pour évaluer les conditions de fonctionnement et ajuster les paramètres, rendant inutile une formation intensive en données.
L’outil, qui n’exige que des jeux de données limités, pourrait être étendu à d’autres applications énergétiques, améliorant ainsi la durabilité et l’efficacité des systèmes électrochimiques.