热点事件持续更新
研究用强化学习优化核物理散射实验靶极化
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，arXiv（一手）发表研究，提出结合代理建模与强化学习的数据驱动控制框架，用于优化核物理散射实验中动态极化靶的极化。该框架基于 APOLLO 低温靶系统数据，训练多层感知机与高斯过程回归模型预测极化，并引入高斯过程近似与标准化仿真环境，用下置信界奖励训练强化学习智能体。结果显示，智能体动作较操作员动作实现近2倍提升。目前报道未涉及该方法的实际部署或独立验证情况。
AI 根据报道生成 · 16 小时前更新
最新进展10月5日 12:00
新研究提出强化学习框架优化靶极化，报道称较操作员动作提升近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 · Artificial Intelligence用于核物理散射实验中靶极化优化的强化学习技术
一项研究提出结合代理建模与强化学习的数据驱动控制框架，优化核物理实验中动态极化靶的极化。该框架基于 APOLLO 低温靶系统数据，训练多层感知机与高斯过程回归模型预测极化，并引入高斯过程近似与标准化仿真环境，用下置信界奖励训练强化学习智能体。结果显示智能体较操作员动作实现近 2 倍提升。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。