通过强化学习动态控制准晶结构的自组裠
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了强化学习来控制补丁颗粒的动力自组装十二边形准晶体（DDQC）。研究发现，通过训练温度控制的最佳策略，我们能够使用估计的策略生成缺陷较少的 DDQC。与传统的固定温度表如退火等相比，通过强化学习获得的温度计划能更高效地复现所需的结构。同时，我们发现强化学习能够自主地发现结构波动增强实现全局稳态的临界温度。估计的策略引导系统朝向临界温度以促进 DDQC 的形成。
该研究使用强化学习控制补丁颗粒的动力自组装十二边形准晶体，生成缺陷较少的DDQC。强化学习获得的温度计划能更高效地复现所需的结构，同时能够自主地发现结构波动增强实现全局稳态的临界温度。估计的策略引导系统朝向临界温度以促进DDQC的形成。
