基于深度强化学习和深度学习代理模型的MuVacAS自主压力控制
加速器物理
2025-12-18 v1 机器学习
摘要
核聚变的发展需要能够承受极端条件的材料。正在设计的IFMIF-DONES设施是一个高功率粒子加速器，用于对这些材料进行资格认证。其开发的一个关键试验台是MuVacAS原型，它复现了加速器束线的最后一段。其超高真空室内氩气压力的精确调节对此任务至关重要。本工作提出了一种完全数据驱动的自主压力控制方法。一个基于真实运行数据训练的深度学习代理模型，模拟氩气注入系统的动力学。这个高保真数字孪生随后作为快速仿真环境，用于训练深度强化学习智能体。结果表明，智能体成功习得了一种控制策略，能够在动态扰动下将气体压力维持在严格的运行限制内。这一方法标志着向下一代粒子加速器设施所需的智能自主控制系统迈出了重要一步。
引用
@article{arxiv.2512.15521,
title = {Autonomous Pressure Control in MuVacAS via Deep Reinforcement Learning and Deep Learning Surrogate Models},
author = {Guillermo Rodriguez-Llorente and Galo Gallardo and Rodrigo Morant Navascués and Nikita Khvatkin Petrovsky and Anderson Sabogal and Roberto Gómez-Espinosa Martín},
journal= {arXiv preprint arXiv:2512.15521},
year = {2025}
}
备注
13 pages, 7 figures, included in Machine Learning and the Physical Sciences Workshop @ NeurIPS 2025