跳到正文
arXiv · AI· Jinsu Kim, Jaemin Seo·· 12 小时前AI 评分22

基于深度强化学习的核聚变反应堆设计优化

Design Optimization of Nuclear Fusion Reactor through Deep Reinforcement Learning

AI 导读

研究利用深度强化学习优化托卡马克聚变反应堆设计,实施奖励受限策略优化(RCPO)算法。 RCPO将多个约束整合进奖励函数,引导策略生成满足稳定运行限制且最小化建造成本、最大化能量增益的可行方案。 数值结果显示该方法比其他数据驱动方法更高效地发现满足操作约束的设计,展现了DRL在反应堆设计中的潜力。

来源:arXiv · AI · arxiv.org