Skip to content
Hot eventLive

研究用强化学习优化核物理散射实验靶极化

1 reports1 sources16 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 16 hr ago

LatestOct 5
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。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. 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。

Heat trend

Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct5Oct6

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.