通过深度强化学习生成冰态
无序系统与神经网络
2019-07-04 v2 统计力学
摘要
我们提出了一个深度强化学习框架，其中训练一个机器智能体通过探索物理环境来搜索生成方形冰模型基态的策略。训练后，该智能体能够提出一系列局部移动以实现目标。对训练所得策略与状态值函数的分析表明，冰规则与闭环条件是在无先验知识的情况下学习到的。我们将训练所得策略作为马尔可夫链蒙特卡洛中的采样器进行测试，并与基准的环算法进行比较。该框架可推广至其他具有拓扑约束、且约束保持态难以生成的模型。
引用
@article{arxiv.1903.04698,
title = {Generation of ice states through deep reinforcement learning},
author = {Kai-Wen Zhao and Wen-Han Kao and Kai-Hsin Wu and Ying-Jer Kao},
journal= {arXiv preprint arXiv:1903.04698},
year = {2019}
}
备注
10 pages, 13 figures, 2 tables. Published version