学习发光：神经进化实现相变的光学控制
材料科学
2025-11-07 v1
摘要
我们解决了固体中结构相变的主动光学引导问题。我们展示了现有的强化学习方法能够在非凯旋调制的经典系统中，远超谐波范畴，推导出最优时变电场，从而实现非热力学结构相的稳定化。该方法依赖于从实验中可提取的相空间演化指标，以及对时变电场的物理可解释性傅里叶神经网络替代模型。通过第一性原理仿真，我们在持续光源和脉冲光源存在于耗散条件下，通过脉冲拉曼散射，实现了双锂的对称相稳定化。重要的是，该方法无需梯度，能够仅基于实验数据（如瞬态光谱中振荡半周期的测量值）进行优化循环。因此，我们的框架为利用光实现非平衡结构动力学的控制提供了实际途径，为在量子材料中稳定隐藏和亚稳态相打开了路径。
引用
@article{arxiv.2511.03895,
title = {Learning to shine: Neuroevolution enables optical control of phase transitions},
author = {Sraddha Agrawal and Stephen Whitelam and Pierre Darancet},
journal= {arXiv preprint arXiv:2511.03895},
year = {2025}
}