AutoREC：用于从电化学阻抗谱数据生成等效电路模型的强化学习智能体开发平台
机器学习
2026-05-01 v1 材料科学
摘要
本文介绍 AutoREC，一个开源 Python 软件包，用于开发从电化学阻抗谱(EIS)数据自动生成等效电路模型(ECM)的强化学习(RL)智能体。虽然 ECM 是解释 EIS 数据的标准框架，但传统识别方法通常基于手动试错，需依赖专业知识，且在自主实验流水线（如自驾实验室）中难以实现可扩展性。AutoREC 通过将 ECM 构建建模为马尔可夫决策过程(MDP)中的序列决策问题来解决这一挑战。其实现了带优先经验回放的双深度 Q 网络(DQN)，并配备专门的死环缓解策略，以高效探索复杂的电路生成动作空间。为展示平台能力，我们使用 AutoREC 训练了 RL 智能体，并在多样化数据集上评估其优势与局限，同时讨论了未来智能体设计中缓解这些局限的可能策略。训练得到的智能体在合成数据集上的成功率超过 99.6%，并在来自电池、腐蚀、氧化还原反应以及 CO₂ 还原系统的实验 EIS 数据上表现出强大的泛化能力。这些结果将 AutoREC 定位为自适应和数据驱动的 ECM 生成平台，具备集成到自动化电化学工作流程的潜力。
引用
@article{arxiv.2604.27266,
title = {AutoREC: A software platform for developing reinforcement learning agents for equivalent circuit model generation from electrochemical impedance spectroscopy data},
author = {Ali Jaberi and Yonatan Kurniawan and Robert Black and Shayan Mousavi M. and Kabir Verma and Zoya Sadighi and Santiago Miret and Jason Hattrick-Simpers},
journal= {arXiv preprint arXiv:2604.27266},
year = {2026}
}