Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Structure Exploiting Multi-Agent Reinforcement Learning for Large Scale Networked Systems: Locality and Beyond
Proyek riset & pengembangan

CAREER: Structure Exploiting Multi-Agent Reinforcement Learning for Large Scale Networked Systems: Locality and Beyond

Ringkasan tujuan riset

Pembelajaran penguatan multiagen memanfaatkan struktur jaringan untuk merancang kebijakan kendali yang dapat diskalakan, stabil, dan aman pada sistem besar yang saling bergantung.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2339112Periode tercatat 2024-01-01 sampai 2028-12-31.NSF 2339112MulaiAkhir tercatat202420292024-01-012028-12-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Riset menggunakan sifat seperti topologi konektivitas alih-alih memperlakukan sistem sebagai kotak hitam. Algoritme MARL dirancang mengeksploitasi struktur tersebut untuk mengatasi pertumbuhan jumlah agen dan ketidakpastian lingkungan. Fondasi teoritis akan dikembangkan dan pendekatan didemonstrasikan pada sistem tenaga serta penyeimbangan beban multiserver. Peningkatan efisiensi dan keandalan merupakan sasaran penelitian; skalabilitas tidak diasumsikan mengikuti hanya dari penggunaan pembelajaran mesin.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Carnegie Mellon University
Program
EPCL: Energy, Power, Control,
Periode pendanaan tercatat
2024-01-01 → 2028-12-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Engineering
  • Electrical, Communications, & Cyber Systems

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.