Оптимизация управления ускорителем через обучение с подкреплением: симуляционный подход

Аннотации

Аннотация

Оптимизация управления ускорителями — одна из ключевых задач экспериментальной физики элементарных частиц. Традиционные методы настройки требуют значительных усилий и существенно зависят от опыта экспертов, что  открывает окно возможностей для автоматизации используемых подходов.

В данном исследовании предлагается создать симуляционный фреймворк, интегрированный с методами обучения с подкреплением (RL), для решения подобных задач. В качестве ядра симуляции работы ускорителя использовался пакет Elegant. Для упрощения взаимодействия RL-алгоритмов с этим ядром был разработан Python-интерфейс, обеспечивающий удобное управление входными данными, отработку симуляции и анализ получаемых результатов.