好奇心驱动的对新型非平衡行为的搜索
软凝聚态物质
2023-08-03 v3 无序系统与神经网络
摘要
探索一个物理系统能够产生的新型行为谱可能是一项劳动密集型任务。主动学习是为应对这一挑战而发展起来的一类迭代采样技术。然而，这些技术通常需要预定义的度量，例如已知序参量空间中的距离，以引导对新行为的搜索。对于非平衡系统，序参量很少事先已知，尤其在可能的行为也未知时，这造成了鸡生蛋蛋生鸡的问题。在此，我们结合主动学习与无监督学习，用于具有未知序参量的非平衡系统中新型行为的自动探索。我们迭代地使用基于当前序参量的主动学习来扩展已知行为库，然后基于该扩展库重新学习序参量。我们在复杂度递增的耦合振子 Kuramoto 模型中展示了该方法的效用。除了复现已知相外，我们还揭示了先前未知的行为及相关的序参量。
引用
@article{arxiv.2211.02589,
title = {Curiosity-driven search for novel non-equilibrium behaviors},
author = {Martin J. Falk and Finnegan D. Roach and William Gilpin and Arvind Murugan},
journal= {arXiv preprint arXiv:2211.02589},
year = {2023}
}