一念無明

 

主要就是說一切的起因都是來源於「念」，錯誤的念頭最終也會遮蔽內心的光明和本性。

 

學習任何東西的 10 個心智模型

心智模型是可以用來解釋許多不同現象的一般概念。經濟學中的供需、生物學中的自然選擇、計算機科學中的遞歸或數學中的歸納證明——一旦你知道要尋找它們，這些模型就無處不在。

正如了解供求關係可以幫助您推理經濟問題一樣，了解學習的心智模型將使您更容易思考學習問題。

不幸的是，學習很少單獨作為一門課來教授——這意味著這些心智模型中的大多數只有專家知道。在這篇文章中，我想分享對我影響最大的 10 篇文章，以及供您深入挖掘的參考資料，以防您想了解更多。

1. 解決問題就是搜索。

Herbert Simon 和 Allen Newell 憑藉其具有里程碑意義的著作Human Problem Solving開始了對問題解決的研究。在其中，他們認為人們通過搜索問題空間來解決問題。

問題空間就像一個迷宮：你知道你現在在哪裡，你會知道你是否已經到了出口，但你不知道如何到達那裡。一路上，你的行動受到迷宮牆壁的限制。

問題空間也可以是抽象的。例如，解決一個魔方意味著要通過一個很大的配置問題空間——打亂的魔方是你的開始，每種顏色都被隔離到一個側面的魔方是出口，曲折定義了你的“牆”。問題空間。

現實生活中的問題通常比迷宮或魔方更廣泛——開始狀態、結束狀態和確切的動作通常並不明確。但是在可能性空間中搜索仍然是人們在解決不熟悉問題時所做的一個很好的表徵——這意味著當他們還沒有一種方法或記憶來指導他們直接找到答案時。

該模型的一個含義是，如果沒有先驗知識，大多數問題都很難解決。魔方有超過 43 個 quintillion 配置——如果你不聰明的話，這是一個很大的搜索空間。學習是獲取模式和方法以減少暴力搜索的過程。

2. 記憶因檢索而增強。

檢索知識比第二次看到某物更能增強記憶力。測試知識不僅僅是衡量你所知道的東西的一種方式——它可以積極地提高你的記憶力。事實上，測試是研究人員發現的最好的研究技術之一。

為什麼檢索如此有用？一種思考方式是，大腦通過只記住那些可能被證明有用的東西來節省精力。如果您手頭總是有答案，則無需在內存中對其進行編碼。相反，與檢索相關的困難是您需要記住的強烈信號。

檢索僅在有要檢索的內容時才有效。這就是為什麼我們需要書籍、教師和課程。當記憶失敗時，我們會求助於解決問題的搜索，這取決於問題空間的大小，可能完全無法給我們一個正確的答案。然而，一旦我們看到了答案，我們將通過檢索它而不是通過反複查看它來了解更多信息。

3. 知識呈指數增長。

你能學到多少取決於你已經知道了什麼。研究發現，從文本中保留的知識量取決於對該主題的先驗知識。在某些情況下，這種影響甚至可以超過一般智力。

當您學習新事物時，您會將它們整合到您已經知道的事物中。此集成為您提供了更多掛鉤，以便您稍後回憶該信息。但是，當您對某個主題知之甚少時，您可以使用較少的鉤子來放置新信息。這使得信息更容易被遺忘。就像從種子中長出的水晶一樣，一旦奠定了基礎，未來的學習就會容易得多。

當然，這個過程是有限制的，否則知識會無限加速。儘管如此，記住這一點還是有好處的，因為學習的早期階段通常是最難的，並且可能會給一個領域內未來的困難留下誤導性的印象。

4. 創意多半是抄襲。

很少有學科被誤解為創造力。我們傾向於給有創造力的人灌輸一種近乎神奇的光環，但在實踐中創造力要平凡得多。

在對重大發明的令人印象深刻的評論中，馬特·里德利認為創新是進化過程的結果。新發明不是從完全成型的世界中湧現出來，而是本質上是舊思想的隨機突變。當這些想法被證明有用時，它們就會擴展以填補新的利基市場。

這種觀點的證據來自近乎同時創新的現象。歷史上無數次，多個不相關的人開發了相同的創新，這表明這些發明在發現之前就在可能性空間中以某種方式“附近”。

即使在美術中，複製的重要性也被忽視了。是的，許多藝術革命都是對過去趨勢的明確拒絕。但革命者自己幾乎無一例外地沉浸在他們反抗的傳統中。反抗任何約定都需要了解該約定。

5. 技能是特定的。

遷移是指在一項任務的練習或另一項任務的訓練後增強的能力。在遷移研究中，出現了一個典型的模式：

• 練習一項任務會讓你做得更好。
• 在一項任務中練習有助於完成類似的任務（通常是在程序或知識上重疊的任務）。
• 一項任務的練習對不相關的任務幾乎沒有幫助，即使它們似乎需要同樣廣泛的能力，如“記憶力”、“批判性思維”或“智力”。

很難對遷移做出準確的預測，因為它們依賴於準確地了解人類思維是如何工作的以及所有知識的結構。然而，在更受限制的領域，約翰·安德森發現，產生式——對知識起作用的 IF-THEN 規則——與在智力技能中觀察到的轉移量形成了相當好的匹配。

雖然技能可能是具體的，但廣度創造了普遍性。例如，學習外語單詞只有在使用或聽到該單詞時才有幫助。但是如果你知道很多單詞，你可以說很多不同的東西。

同樣，了解一個想法可能無關緊要，但掌握許多想法可以帶來巨大的力量。每多受一年的教育，智商就會提高1-5 分，部分原因是學校教授的知識廣度與現實生活（以及智力測試）所需的知識重疊。

如果你想變得更聰明，沒有捷徑可走——你必須學習很多東西。但反過來也是如此。學到很多東西會讓你比你想像的更聰明。

6.心理帶寬極其有限。

任何時候我們都只能記住幾件事。喬治米勒最初將這個數字定為七，加上或減去兩個項目。但最近的工作表明這個數字更接近四件事。

如果要成為我們長期經驗的一部分，這個令人難以置信的狹窄空間是所有學習、每一個想法、記憶和經驗都必須通過的瓶頸。潛意識學習不起作用。如果你不專心，你就沒有學習。

我們可以提高學習效率的主要方法是確保通過瓶頸的東西是有用的。將帶寬用於不相關的元素可能會減慢我們的速度。

自 1980 年代以來，認知負荷理論已被用於解釋干預如何根據我們有限的心理帶寬來優化（或限制）學習。本研究發現：

• 對於初學者來說，解決問題可能會適得其反。當展示工作示例（解決方案）時，新手會做得更好。
• 材料的設計應避免需要在頁面或圖表的各個部分之間翻轉以理解材料。
• 冗餘信息阻礙學習。
• 複雜的想法在部分呈現時可以更容易地學習。

7.成功是最好的老師。

我們從成功中學到的比從失敗中學到的更多。原因是問題空間通常很大，而且大多數解決方案都是錯誤的。知道什麼有效會大大減少可能性，而經歷失敗只會告訴你一種特定的策略不起作用。

一個好的規則是在學習時以大約85% 的成功率為目標。您可以通過校準練習的難度（打開與封閉的書，有與沒有導師，簡單與復雜的問題）或在低於此閾值時尋求額外的培訓和幫助來做到這一點。如果你成功超過了這個門檻，你可能不是在尋找足夠難的問題——而是在練習常規而不是學習新技能。

8. 我們通過例子推理。

人們如何進行邏輯思考是一個古老的難題。自康德以來，我們就知道不能從經驗中獲得邏輯。不知何故，我們必須已經知道邏輯規則，否則不合邏輯的頭腦永遠不會發明它們。但如果是這樣，為什麼我們經常在邏輯學家發明的問題上失敗？

1983 年，Philip Johnson-Laird提出了一個解決方案：我們通過構建情境的心智模型來進行推理。

測試一個三段論，比如“所有人都是會死的。蘇格拉底是個男人。因此，蘇格拉底是必死的，”我們想像一群人，他們都是必死的，並想像蘇格拉底是其中之一。我們通過這個檢驗推斷三段論是真的。

Johnson-Laird 認為這種基於心智模型的推理也解釋了我們的邏輯缺陷。我們最掙扎於需要我們檢查多個模型的邏輯語句。需要構建和審查的模型越多，我們犯錯誤的可能性就越大。

Daniel Kahneman 和 Amos Tversky 的相關研究表明，這種基於示例的推理可能會導致我們將我們在回憶示例時的流暢性誤認為是事件或模式的實際概率。例如，我們可能認為符合模式 K _ _ 的詞比 _ _ K _ 多，因為第一類（例如，KITE、KALE、KILL）比第二類（例如，TAKE、BIKE）更容易思考，核彈）。

通過示例進行推理有幾個含義：

1. 通過示例學習通常比通過抽象描述更快。
2. 要學習一般模式，我們需要很多例子。
3. 在根據幾個例子進行廣泛的推論時，我們必須小心。（你確定你已經考慮了所有可能的情況嗎？）

9.知識隨著經驗變得無形。

通過練習，技能變得越來越自動化。這降低了我們對技能的有意識的認識，使其需要更少的寶貴工作記憶能力來執行。想想開車：起初，使用閃光燈和剎車是非常刻意的。經過多年的駕駛，您幾乎不會考慮它。

然而，技能自動化程度的提高也有缺點。一是向別人傳授技能變得更加困難。當知識變得默契時，就很難明確說明您如何做出決定。專家們經常低估“基本”技能的重要性，因為長期以來，他們似乎並沒有在日常決策中考慮太多因素。

另一個缺點是自動化技能不太容易接受有意識的控制。當你繼續以你一直做的方式做某事時，這可能會導致進展停滯，即使這不再合適。尋求更困難的挑戰變得至關重要，因為這些挑戰會讓你失去自動並迫使你嘗試更好的解決方案。

10. 重新學習相對較快。

在學校度過多年之後，我們當中有多少人仍然能夠通過畢業所需的期末考試？面對課堂問題，許多成年人羞怯地承認他們記不起了。

遺忘是我們不經常使用的任何技能的不可避免的命運。Hermann Ebbinghaus 發現知識以指數級的速度遞減——在開始時最快，隨著時間的流逝而減慢。

然而，也有一線希望。重新學習通常比初始學習快得多。其中一些可以理解為閾值問題。想像一下記憶強度的範圍在 0 到 100 之間。在某個閾值下，比如 35，內存是不可訪問的。因此，如果記憶強度從 36 下降到 34，你就會忘記你所知道的。但即使是重新學習的一點點提升也會修復足夠的記憶來回憶它。相反，一個新的內存（從零開始）需要更多的工作。

受人類神經網絡啟發的聯結主義模型為再學習的效力提供了另一個論據。在這些模型中，計算神經網絡可能需要數百次迭代才能達到最佳點。如果你“搖晃”這個網絡中的連接，它就會忘記正確的答案，並且做出的反應並不比偶然的好。然而，與上面的閾值解釋一樣，網絡第二次重新學習最佳響應的速度要快得多。1

重新學習是一件令人討厭的事情，尤其是因為與以前簡單的問題作鬥爭可能會令人沮喪。然而，沒有理由不深入和廣泛地學習——即使是被遺忘的知識也可以比從頭開始更快地恢復。

你面臨的學習挑戰是什麼？你能應用這些心智模型中的一個來從新的角度看待它嗎？解決你覺得困難的技能或主題會有什麼影響？在評論區分享你的觀點！

美中歐 未來儲能三大市場

 

美中歐 未來儲能三大市場

市場研究機構Bloomberg New Energy Finance發布的《2021 Global Energy Storage Outlook》報告指出，2020年全球電池儲能系統累積安裝量為17 GW/34 GWh，預估至2030年將增長至385 GW/1028 GWh。

其中定置型儲能系統將呈現爆發性成長，約可吸引約2620億美元的投資。由於美國政府於2021年底通過「重建美好未來法案」將再生能源投資稅收抵免（ITC）延長10年，將刺激太陽光電+儲能電廠興建潮，進一步帶動儲能系統龐大需求，預計儲能裝置在2030年達到100GW，美國仍占據市場領頭羊的腳色。

中國已宣示將在2060年實現碳中和，且2020年儲能裝置量已突破GW門檻，目前政府訂定2025年裝置規模達到30 GW的目標；中國將在未來成為全球第二大市場。上述所提光是中國跟美國便將占全球設置量的一半以上，而其他主要國家市場還包括德國、英國、印度、澳洲、和日本。

從區域來看，到2030年亞太地區的累積設置量（GW）將領先其他地區，但美國儲能設施通常擁有較長的儲能時數，故以GWh估算的設置量美洲將位居第一；最終美國、中國和歐洲在2030年的儲能市場合計占比將高達80％。

鋰電池技術拿下90％市占

近年來為減少人類對石化及煤碳燃料的依賴、降低污染排放、減緩全球暖化問題，因此各種電動車、太陽能與風力等再生能源成為世界各先進國家發展的重點。由於鋰電池正負極材料種類豐富，能在不同使用情境下展現出優異的特性，很快便打敗其他儲能技術脫穎而出；以當前儲能市場發展來看，在2020年起鋰電池產品已占有九成以上市占率。市場研究機構Yole Developpement報告預估，2026年全球鋰電池市場規模將達1056億美元，2020～2026年平均複合成長率為31％。而各種鋰電池應用中又以電動車市場占比最高達88％，且預估2026年市場規模將達860億美元。

鋰電池技術未來發展的重點：使用壽命、能量密度與材料成本。鋰離子電池正極是鋰與不同金屬的複合氧化物，如磷酸鐵鋰（LFP），鈦酸鋰（LTO），錳酸鋰（LMO），鈷酸鋰（LCO）、鎳鈷錳酸鋰（NMC）、鎳鈷鋁酸鋰（NCA）等，負極材料主要為石墨或鈦酸鋰，電解質使用LiPF6、Li[N（CF3SO2）2]等鋰鹽有機溶液，表一顯示各類鋰電池主要應用領域與代表性製造商。因使用正極材料不同，在不考慮電池系統設計影像下，成本、體積能量密度、重量能量密度、充放電速率、充放電循環使用壽命、安全性、可使用溫度區間各有優劣勢。在眾多材料中以磷酸鐵鋰、鈦酸鋰兩種電池使用壽命較長，而鎳鈷錳酸鋰與鎳鈷鋁酸鋰電池優點是能量密度較高，且能利用量產技術降低成本，目前分別為製造商技術研發重心，預計將在未來脫穎而出成為主要材料。

鋰電池供應商 三家獨大

由於鋰電池已成為儲電技術的首選，吸引了眾多廠商投入技術研發、產品製造與系統整合業務；目前以中國、日本、韓國主要掌握鋰電池供應鏈，市占率前三大公司為LG Energy Solution、寧德時代（CATL）、Panasonic合計達68.9％。未來若三家廠商針對鋰電池技術有突破性發展，將會在現有的市佔基礎下快速發展成獨大局面。

全球儲能產業鏈發展趨勢：電池製造商正往儲能系統整合商靠攏，產業鏈將會走向寡占及客製化。電池儲能產業可分為「電池」、「電力轉換系統」、「能源管理系統」與「儲能系統整合」等四大類。其中「電池」包含電池材料、電池芯、電池管理系統製造商和電池模組組裝商；目前電池廠商都幾乎只生產鋰電池。而「電力轉換系統」則涵蓋設備及IGBT、電阻器、驅動電路板、功率轉換器、濾波電容器、斷路器等組件製造商。

「儲能系統整合」商是將各模組和軟體整合成可安裝於不同電網應用的儲能產品。因太陽能儲能需求，LG Energy Solution與寧德時代等大型電池製造商已將在往儲能系統商整合端靠攏如圖五，導致市場競爭日趨激烈與利潤快速下滑；部分系統整合商退出市場或轉往利基領域發展。如美國儲能領導廠商NEC Energy Solutions宣布放棄營運：GE Energy Storage、Doosan GridTech、IHI Terrasun、Energport、RES等業者則專攻小規模但高利潤專案。

另外有部分系統商在美國等價格敏感市場導入低成本解決方案，推出低價鋰電池儲能產品。預期在未來整體儲能市場將邁向大廠寡占加客製化兩種模式並存。

台灣儲能政策加持 推動產業邁大步

過去幾年台灣推動綠能建設方向仍偏重發電端，且因「再生能源發展條例」並未納入儲能，在缺乏誘因下導致我國儲能市場發展緩慢。此情況近期已有改變，2021年經濟部責成台電於2025年達成設置1GW儲能容量目標；且在2022年303大停電引發各界撻伐缺電聲浪，於是經濟部將儲能目標量提升至1.5GW，新增 500MW將建置與太陽光電案場結合的儲能系統。其中160MW由台電自建，剩餘840MW將釋出給民間業者，台電再透過電力交易市場採購、調度其儲能電力。

台灣目前儲能四大領域中投入研發的廠商，由於台灣儲能市場需求大於供給，業者提供的儲能服務多能依據公告價格進入交易獲利穩定，預期可創造龐大的商機。

因此，吸引研華、廣錠、華立、台泥等企業投入儲能市場，今年截至目前儲能輔助服務申請案有228件，已併網12件，併網量38.3MW。

台達電子上下游布局完整

台達電子儲能產品線齊全，並能提供整體解決方案的建置服務。不僅自有品牌儲能產品已銷往歐、美、日等地區，且在海外有超過20個儲能系統的建置經驗。台達是第一家完整通過台電的dReg0.25、dReg0.5及sReg等三種不同調頻備轉能力測試的合格廠商，能夠進入難度最高、功率輸出更精準的調頻備轉市場，2021年儲能與充電樁業務占台達電子總營收10％。

康舒積極儲能案場開發

康舒主攻儲能案場開發，預計在2023年正式上線穩定提供儲能自動頻率控制（AFC）輔助服務。另外，在新能源事業方面，目前全台投資建置近150MW電廠中已有91MW併網發電，預計2023年 Q1可再增加45MW併網容量，累計達136MW併網發電，持續朝目標500MW發電容量邁進。在售電方面，截至目前已轉供超過500萬度綠電，2022年第三季與將新簽1200萬度綠電契約，預計全年售電將超過3,500萬度。

台泥抓準綠能商機拚轉型

台泥針對儲能系統發展需求，投入1.32億歐元（約新台幣44.7億元）收購歐洲儲能公司NHOA，一躍成為全球儲能系統建置容量第四大的公司，與Fluence、NEC和特斯拉（Tesla）等頂尖企業並駕齊驅。目前NHOA加上台泥的儲能團隊，合計已逾300人，成員國籍多達25～30國家。此外，NHOA已取得澳洲南部Synergy授權200MWh的儲能案場。在國內儲能需求，台泥投資55億元新台幣，在蘇澳廠和花蓮和平兩座水泥廠區，各建置87.5MWh及250MWh的大型儲能系統，預計將成為全台容量最大的儲能案場。

在儲能系統上游的電池發展，台泥高雄三元能源科技預計在2023年營運，預計產能為1.8GWh，相當於年生產約2萬4,000輛電動汽所需長程電池量。

台塑追求電池芯自製

台塑集團投資成立台塑新智能科技公司從鋰鐵正極材料、電解液、鋰電銅箔、隔離膜用PP等，材料自製率已逾70％，追求電池芯自製。同時，台塑新智能科技公司另外轉投資台塑尖端能源科技公司，規劃將於彰濱工業區，建構面積6.1公頃的綠能生產基地，初期將先分別設置2.1GWh鋰鐵電池芯廠與模組廠，預計於2024年上半年完工量產，後續再視發展狀況，投入第二期擴建，目標將電池芯與模組產能分別提升至5GWh。

日教授研發超狂電動車電池！採「分子結晶」為介質，充電速率猛增 2800 倍

 

作為電動車的動力來源，如何研發出完美的電池？

在發展電動車時固然會有許多挑戰，無論是技術層面或是法規層面均有需要克服的難題。

而其中一項巨大挑戰即是電池，因為電池是驅動電動車的主要動力，若是沒有穩定、良好的電池就難以運作，因此目前在電動車開發中有許多與電池相關的問題尚待改善，包含充電時間、電池續航力、充電站的分布範圍、充電裝置的相容性、電池原料供需與回收問題等。

目前主流的電動車電池是鋰離子電池（lithium-ion battery），其具備能量密度高（energy density）、開路電壓高（open-circuit voltage）、充放電速度快、輸出功率大、可隨時充放電、適用溫度範圍廣等優點，但也有不耐過放過充、回收率低、怕高溫、需要多重保護機制以免因錯誤使用而起火爆炸。

儘管與之前相比，車用鋰離子電池的穩定性已大幅提升，但業界仍希望可以提升安全性與充電速度。因此，除了繼續改良鋰離子電池，業界也開始研發是否有其他種類的電池更適合用於電動車。

日本最新研究：採分子結晶作為介質的固態電池

日本東京工業大學專任教授一杉太郎與其團隊研發出可用於全固態電池（all-solid-state battery）的電解質分子結晶，比以往用於全固態電池的介質在低於零度的低溫環境下運作成效更佳，因此增加了實際運用的可能。

這個分子結晶介質成分由雙氟磺醯亞胺鋰（LiFSA）與丁二腈（SN）組成，在常溫環境和低溫環境的表現良好，且製作流程也十分容易。此介質冷卻到室溫下即可獲得單晶，加熱後即恢復成液態，這樣全新性質的電解質有望在電動車產業帶來變革。

全固態電池將為電動車電池掀起怎樣的變革？

不過，全固態電池應用到電動車的話會有什麼樣的改變？

首先是改變充電速度，有別於鋰離子電池採用電解液作為介質，為避免在充放電中引發起火風險，必須加入隔離膜（separator），或多或少會影響傳導速度。

而全固態電池採用的介質不是液態，因此就無需隔離膜再加上是分子型態，傳導速度更快，因此提升了充電速度。根據日經報導，充電時間可以縮短至 2800 分之 1。再來是提高安全性，固態介質就不像電解液一樣容易因接觸空氣或受溫度影響而短路起火，因此更為安全。

此外，鋰離子電池目前不僅在電動車且在手機、電腦等電池也廣泛運用，因此面臨到製程速度跟不上需求的問題且有原料耗盡的隱憂。因此若全固態電池可以正式啟用，亦可改善這類問題。

未來若能實際將全固態電池運用在電動車上，即可帶來更加安全且充電速度更快的電池。如此一來就能吸引消費者選擇電動車，提高普及率藉此為減碳貢獻更多心力。

科學家研發「紙電池」與AA鹼性電池一樣強大，可生物分解而且還很便宜

 文：Сергей Хуан

一種新研發、由水來活化的可拋棄式紙電池（paper battery），將對一次性的電子產品產生巨大的影響。這些用於醫療或工業領域上的暫時性器具所產生的電子廢棄物，通常很容易就累積起來。

短小精幹

研究人員所展示的電池具生物可分解性、由永續材料所製成、組裝起來也很便宜。而且，它能夠根據需求製成各種形狀與大小。

如果要說明其功率的話，使用這項科技而打造出來的兩單元電池組，已足夠驅動一台液晶顯示器鬧鐘。雖然它短時間還沒有辦法對你的筆電充電，但是已經對低功率感應器與追蹤器具有很多潛力。

研究人員在他們發表的論文中寫到：「我們研發了印刷出來的紙電池，用來提供一次性可拋式電子產品電力，並且最小化它們對環境的影響。這個電池是基於一種金屬空氣電池，其使用鋅作為陽極中的生物可分解金屬，陰極中使用石墨，紙作為兩極間的分隔器、以及以水為基底的電解質。」

組成與活化

這個電池組由氯化鈉鹽的擴散紙所製成，可以只有一平方公分大，且是以印刷墨水為基礎。其中一種墨水包含石墨片，用作為陰極（正極端）；而在紙另一端的墨水包含了鋅粉末，用作為陽極（負極端）。

第三種墨水是由石墨片與碳黑所構成，印在紙的兩端，在其他兩種墨水之上，將正極與負極端連到兩條電線上。這些電線是接在紙的各一端，浸在蠟中。

接著所需要的就是小量的水，少至兩滴。這會溶解紙中的鹽，釋放出帶電的離子，而當離子移動時，就會活化電池。藉由將電線接到電子設備上，會形成封閉迴路，意指電子能從負極端運輸至正極端。

紙電池由氯化鈉鹽的擴散紙所製成，其中一種墨水包含石墨片，用作為陰極（正極端）；而在紙另一端的墨水包含了鋅粉末，用作為陽極（負極端）。

圖片來源：Poulin et al., Scientific Reports, 2022

紙電池的作用機制（a）與結構介紹（b）。在添加水數十秒後，電池開始產生電力（c）。

在穩定1.2伏特的電壓下，這個紙電池相當於標準AA鹼性電池在1.5伏特下的表現程度。根據研究團隊所進行的實驗，在添加水約20秒之後，電池開始產生電力。

研究人員寫到：「根據實驗展示，儘管與當前技術相比能量密度有限，但是我們的電池仍然適用於廣泛的低功率電子設備，以及物聯網生態系統。」

最佳化的目標

雖然隨著時間過去，紙會乾掉，然後電池表現下降，但是它可以在一定程度之下補充更多的水。在多餘的水之下，在第一次被活化兩小時後，電池仍然能夠產生0.5伏特的電壓。

目前，這很大程度上是一項概念驗證（proof-of-principle）的研究，但是在論文中所描述的電池並不會過於複雜而難以製造。研究人員說未來他們想要改善電池的效率，讓它運作得更久。

研究人員說：「隨著人們對電子垃圾問題，以及用於像是環境感測與食物監測等用途上的一次性電子產品的意識上升，對環境影響較低的電池需求正在成長。這種從效率指數表現傳統導向發生的改變，為非傳統材料與其設計創造了新機會，能夠在電池表現與環境影響之間取得平衡。」