Problem
数据中心冷却控制面对有限历史数据、复杂空间拓扑、持续变化的服务器负载以及严格的冷通道温度约束。高保真仿真器难以构建，在线随机试错也无法满足现场安全要求。
Approach
论文提出基于物理信息的离线强化学习框架：以图结构表示设备空间关系，通过时间反演对称性约束的热动力学模型学习稳定表征，再在隐空间中进行带行为正则化的策略优化。
Evidence
公开论文报告了大型商业数据中心的闭环实验，以及包含真实服务器与精密空调的测试平台评估；实验比较了能效、冷通道温度约束与不同控制规模下的表现。