×
2024
Optimal Operation of Cryogenic Calorimeters Through Deep Reinforcement Learning.
[DOI]
G. Angloher
,
S. Banik
,
G. Benato
,
A. Bento
,
A. Bertolini
,
R. Breier
,
C. Bucci
,
J. Burkhart
,
L. Canonica
,
Annarita D'Addabbo
,
S. Di Lorenzo
,
L. Einfalt
,
A. Erb
,
F. v. Feilitzsch
,
Stephan Fichtinger
,
D. Fuchs
,
A. Garai
,
V. M. Ghete
,
P. Gorla
,
P. V. Guillaumon
,
S. Gupta
,
D. Hauff
,
M. Jeskovský
,
J. Jochum
,
M. Kaznacheeva
,
A. Kinast
,
S. Kuckuk
,
H. Kluck
,
H. Kraus
,
A. Langenkämper
,
M. Mancuso
,
L. Marini
,
B. Mauri
,
L. Meyer
,
V. Mokina
,
K. Niedermayer
,
M. Olmi
,
T. Ortmann
,
C. Pagliarone
,
L. Pattavina
,
F. Petricca
,
W. Potzel
,
P. Povinec
,
F. Pröbst
,
F. Pucci
,
F. Reindl
,
J. Rothe
,
K. Schäffner
,
Jochen Schieck
,
S. Schönert
,
C. Schwertner
,
M. Stahlberg
,
L. Stodolsky
,
C. Strandhagen
,
R. Strauss
,
I. Usherov
,
Felix Wagner
,
V. Wagner
,
M. Willers
,
V. Zema
,
Clemens Heitzinger
,
Wolfgang Waltenberger
Comput. Softw. Big Sci., December, 2024