Design Optimization of Nuclear Fusion Reactor through Deep Reinforcement Learning

要約

この研究では、核融合炉の設計を最適化するための深層強化学習 (DRL) の応用を検討します。
DRL は、定常状態の動作に対する複数の物理的および工学的制約に起因する困難な問題に効率的に対処できます。
DRLによる並列化に適用可能な核融合炉設計計算と最適化コードを開発した。
提案されたフレームワークにより、建設コストを削減しながら運転要件を満たす最適な原子炉設計を見つけることができます。
核融合炉の多目的設計の最適化が DRL によって簡素化され、将来の炉の効率的で持続可能な設計を進めるための提案されたフレームワークの潜在力の高さを示しています。

要約(オリジナル)

This research explores the application of Deep Reinforcement Learning (DRL) to optimize the design of a nuclear fusion reactor. DRL can efficiently address the challenging issues attributed to multiple physics and engineering constraints for steady-state operation. The fusion reactor design computation and the optimization code applicable to parallelization with DRL are developed. The proposed framework enables finding the optimal reactor design that satisfies the operational requirements while reducing building costs. Multi-objective design optimization for a fusion reactor is now simplified by DRL, indicating the high potential of the proposed framework for advancing the efficient and sustainable design of future reactors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google