Исследователи разработали эффективный алгоритм, объединяющий машинное обучение и молекулярное моделирование, для обнаружения полимерных электролитов с улучшенной ионной проводимостью.
Исследователи представили семейство компактных и производительных моделей Reverso, способных к точным прогнозам без предварительного обучения на конкретных данных.
![Предложенная схема обучения с подкреплением CT-MARL, основанная на эпиграфах, объединяет внешнюю оптимизацию для достижения баланса между суммарной дисконтированной стоимостью и ограничениями безопасности с внутренней оптимизацией, одновременно обучающей сети оценки возвратов [latex]V^{\text{ret}}\_{\psi}(x)[/latex] и сети оценки ограничений [latex]V^{\text{cons}}\_{\phi}(x)[/latex] в сочетании с оптимальным вспомогательным состоянием [latex]z^{\*}[/latex], что позволяет улучшать политики на основе функции преимущества.](https://arxiv.org/html/2602.17078v1/x1.png)
Исследователи предлагают инновационную методику для обучения взаимодействующих агентов в непрерывном времени, гарантирующую соблюдение ограничений безопасности.
В статье представлен инновационный метод непрерывного обучения, сочетающий обучение с подкреплением и модель-ориентированное управление, позволяющий повысить надежность управления сложными системами в условиях множественных неопределенностей.
В новой работе исследуется динамическое планирование размещения предприятий с учетом накопительного спроса и конкурентной борьбы, позволяющее добиться значительного преимущества на рынке.