ADAPT 在引力波探测器设计任务上报告损失较基线明显降低。
资讯摘要
论文提出 ADAPT for Science 多智能体框架，将科学优化拆分为“在哪里搜索”和“如何搜索”两个耦合决策：利用历史设计确定有前景且多样的初始条件，逐步把计算集中到有利搜索方向，并根据执行反馈演化优化流程。作者在可微物理模拟器上以引力波探测器设计为任务，在八个未见拓扑上评估，报告平均损失 0.204±0.101，较最佳经典优化器降低 54.9%，较最佳通用智能体演化基线降低 62.2%。
要点速读
- 框架用历史设计生成有前景且多样的初始条件，并随执行反馈演化搜索流程。
- 评估任务为引力波探测器设计，使用可微物理模拟器和八个未见探测器拓扑。
- 作者报告平均损失 0.204±0.101，相对最佳经典优化器降低 54.9%，相对最佳通用智能体演化基线降低 62.2%，并在所有未见拓扑上取得最低损失。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。