ترجمه فارسی مقاله فعال کردن یادگیری تقویتی با توان عملیاتی بالا روی پردازنده‌های گرافیکی: یک چارچوب مستقل از دامنه برای تحقیقات علمی داده‌محور

چکیده

We introduce WarpSci, a domain agnostic framework designed to overcome crucial system bottlenecks encountered in the application of reinforcement learning to intricate environments with vast datasets featuring high-dimensional observation or action spaces. Notably, our framework eliminates the need for data transfer between the CPU and GPU, enabling the concurrent execution of thousands of simulations on a single or multiple GPUs. This high data throughput architecture proves particularly advantageous for data-driven scientific research, where intricate environment models are commonly essential.

چکیده به فارسی (ترجمه ماشینی)

ما WARPSCI را معرفی می کنیم ، یک چارچوب آگنوستیک دامنه که برای غلبه بر تنگناهای مهم سیستم که در استفاده از یادگیری تقویت شده برای محیط های پیچیده با مجموعه داده های گسترده ای که دارای مشاهده یا فضاهای عمل بالا هستند ، طراحی شده است.نکته قابل توجه ، چارچوب ما نیاز به انتقال داده بین CPU و GPU را از بین می برد و امکان اجرای همزمان هزاران شبیه سازی در یک GPU منفرد یا چندگانه را فراهم می کند.این معماری با توان بالا داده ها به ویژه برای تحقیقات علمی مبتنی بر داده ها ، که در آن مدل های محیط پیچیده معمولاً ضروری هستند ، سودمند است.