热点事件持续更新
研究团队提出强化学习优化核物理靶极化控制框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月5日，研究人员在 arXiv 发布研究，提出一种结合代理模型与强化学习的数据驱动控制框架，用于核物理散射实验中动态极化靶的自动化调谐与优化。该框架基于 APOLLO 低温靶系统的实际运行数据，利用高斯过程回归预测极化状态并提供不确定性估计，同时结合下置信界奖励函数来训练强化学习智能体。实验结果表明，该强化学习智能体的操作表现相比传统人工操作提升了近 2 倍。
AI 根据报道生成 · 3 小时前更新
最新进展10月5日 12:00
研究人员提出结合高斯过程与强化学习的控制框架，使核物理靶极化调谐表现较人工操作提升近2倍。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv 人工智能用于核物理散射实验靶极化优化的强化学习技术
研究人员提出一种结合代理模型与强化学习的数据驱动控制框架，用于核物理散射实验中动态极化靶的自动化调谐与优化。该框架基于 APOLLO 低温靶系统运行数据，利用高斯过程回归预测极化并提供不确定性估计，同时通过下置信界奖励函数训练强化学习智能体。实验结果表明，该强化学习智能体使操作表现相比人工操作提升近 2 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。