AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：SHAP归因×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
6月2日
09:43
09:43arXiv cs.AI@Federica Tonti, Ricardo Vinuesa
该研究提出结合多智能体深度强化学习（MARL）与可解释深度学习（XDL）的方法，用于减少壁面湍流中的阻力。通过SHAP归因分析，比较了三种奖励设计策略，其中基于摩擦系数和壁面压力波动组合的SHAP策略表现最佳，实现了34.44%的减阻率和34.01%的净节能率，且归一化输入功率仅0.43%。相比传统对抗控制，减阻和净节能分别提升49.41%和48.52%，同时将归一化执行成本从5.90%降至0.43%。分析表明，节能策略与压力门控执行一致，主要在壁面压力接近零时激活，时间尺度与近壁湍流结构寿命相当。
论文深度强化学习可解释AI湍流减阻SHAP归因节能控制
推荐理由：流体力学和AI交叉领域的研究者值得关注——该工作用可解释AI找到了湍流减阻的节能控制策略，比传统方法效率提升近50%，且执行成本降低一个数量级。
原文