通过强化学习动态控制准晶体结构的自组装
软凝聚态物质
2025-02-21 v3 机器学习
摘要
我们提出利用强化学习来控制由补丁粒子形成十二重准晶（DDQC）的动力学自组装。补丁粒子与其他粒子具有各向异性相互作用并形成DDQC。然而，它们在稳态下的结构受形成过程的动力学路径显著影响。我们估计了通过Q-learning方法训练的温度控制的最优策略，并证明利用该估计策略可生成缺陷极少的DDQC。研究发现，强化学习自主发现了一种特征温度，在该温度下结构涨落增强了形成全局稳定态的机会。所估计的策略引导系统趋向该特征温度以辅助DDQC的形成。我们还展示了当目标为亚稳态或不稳定态时RL的性能。为阐明学习的成功，我们分析了一个通过三势阱势中的运动描述结构变化动力学的简单模型。
引用
@article{arxiv.2309.06869,
title = {Dynamic control of self-assembly of quasicrystalline structures through reinforcement learning},
author = {Uyen Tu Lieu and Natsuhiko Yoshinaga},
journal= {arXiv preprint arXiv:2309.06869},
year = {2025}
}
备注
11 pages, 12 figures, includes Supplementary Information