核微堆机器学习控制研究获突破原标题: NERS publishes report on machine learning and microreactors#核微堆#机器学习#强化学习#负荷跟踪#智能控制#能源技术密歇根大学与Idaho国家实验室合作研究核微堆与机器学习，提出多智能体强化学习(RL)方法，优化微堆功率调整并减少建模时间。基于Holos-Quad设计，研究显示RL方法优于传统控制技术。虽需进一步验证，但为核能自主控制提供了高效解决方案。
