Automated co-design of high-performance thermodynamic cycles via graph-based hierarchical reinforcement learning

Este estudo propõe uma abordagem de aprendizado por reforço hierárquico baseado em grafos para o co-design automatizado de ciclos termodinâmicos de alto desempenho. A metodologia utiliza redes neurais profundas para decodificação e um framework de RL para explorar a evolução estrutural e otimizar parâmetros.