Zusammenfassung der Dissertation

Verstärkendes Lernen (Reinforcement Learning, RL) ist eine vielversprechende Methode des maschinellen Lernens, bei der ein Agent Steuerstrategien ausschließlich durch die Interaktion mit seiner Umgebung erlernt.

Im Rahmen dieser Doktorarbeit wurde der Einsatz von RL in großtechnischen Anlagen mit hoher Wiederholrate untersucht. Zur Demonstration dieses Konzepts wurde das KINGFISHER-System, basierend auf der neuartigen AMD/Xilinx Versal-Plattform, entworfen und implementiert, um experimentelle Einsätze zu unterstützen.

Es wurde am KARA-Synchrotron des KIT eingesetzt, wo es erfolgreich lernte, Strahlinstabilitäten ohne jegliches Vorwissen zu kontrollieren — und stellte damit das erste vollständig online auf Hardware trainierte System an einem Teilchenbeschleuniger dar.

Wir gratulieren Luca Scomparin zu dieser tollen Leistung!