~elegant

新的强化学习框架实现粒子加速器束线控制自动化

研究人员开发了RL-ABC，一个开源Python框架，使用强化学习来优化粒子加速器束线。该框架将标准的束线配置转换为强化学习环境，并与Elegant等模拟代码集成。它自动预处理晶格文件，从束统计数据构建状态表示，并提供用于传输优化的可配置奖励函数。使用RL-ABC训练的深度确定性策略梯度（Deep Deterministic Policy Gradient）代理在测试束线上实现了70.3%的粒子传输率，与现有方法相当，证明了该框架的有效性和效率。