PACMAN实现等离子体控制原标题: PPPL develops framework for unifying tokamak ML control models#核聚变#机器学习#托卡马克#等离子体#智能控制#DIII-DPrinceton Plasma Physics Laboratory与Princeton University开发模块化机器学习框架PACMAN，并在DIII-D完成测试。该系统可在约20毫秒内整合多类预测模型与控制器，实时操控回旋管、等离子体密度和旋转，并能提前约200毫秒预测撕裂模，为聚变装置快速智能控制提供通用基础设施。
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。
