Nghiên cứu công bố đầu tháng 10/2026 trên arXiv (mã số 2610.02452) giới thiệu một khung điều khiển kết hợp mô hình đại diện (surrogate model) và học tăng cường (reinforcement learning - RL) để tự động hóa việc tối ưu độ phân cực bia trong các thí nghiệm tán xạ vật lý hạt nhân. Trong các thí nghiệm này, bia phân cực động đòi hỏi phải liên tục tinh chỉnh tần số vi sóng nhằm bù đắp tổn hại do bức xạ và sự biến đổi tính chất vật liệu. Theo nhóm tác giả, công việc này trước đây hoàn toàn dựa vào kinh nghiệm thủ công dạng thử và sai của các kỹ thuật viên vận hành.
Để giải quyết bài toán, nhóm nghiên cứu đã sử dụng dữ liệu vận hành thực tế từ hệ thống bia đông lạnh APOLLO, huấn luyện và đánh giá hai mô hình hồi quy gồm mạng perceptron đa tầng (MLP) và mô hình quá trình Gaussian (Gaussian Process - GP). Các mô hình này nhận nhiệm vụ dự đoán độ phân cực bia dựa trên ba tham số đầu vào: tần số vi sóng, dòng chùm tia và liều bức xạ tích lũy.
Kết quả đánh giá cho thấy mô hình GP có khả năng ước lượng độ bất định đã hiệu chuẩn và nhận diện chính xác các vùng dữ liệu nằm ngoài phân phối huấn luyện, trong khi mạng MLP bộc lộ hạn chế rõ rệt trước hiện tượng trôi dạt phân phối. Nhằm hỗ trợ việc học và điều khiển xuyên suốt nhiều mẫu bia khác nhau, nhóm đề xuất một xấp xỉ GP và tích hợp mô hình đại diện này vào môi trường mô phỏng tiêu chuẩn hóa.
Agent học tăng cường được huấn luyện với hàm phần thưởng cận dưới độ tin cậy (lower-confidence-bound reward), cho phép cân bằng giữa việc tối đa hóa hiệu suất phân cực và kiểm soát rủi ro từ độ bất định của dữ liệu. Báo cáo nghiên cứu khẳng định thuật toán RL này đạt hiệu quả cải thiện gần gấp 2 lần so với các thao tác điều chỉnh thủ công của con người trong cùng điều kiện thực nghiệm.