【标题】Discovering mechanisms for materials microstructure optimization via reinforcement learning of a generative model

【作者团队】Rama K. Vasudevan, Erick Orozco, Sergei V. Kalinin

【发表日期】2022.2.22

【论文链接】https://arxiv.org/ftp/arxiv/papers/2202/2202.10988.pdf

【推荐理由】用于优化功能特性和潜在新行为发现的材料结构设计是材料科学的关键问题。在许多情况下，支持材料功能的微观结构模型是可用的并且很好理解。然而，通过微观结构工程优化平均性能通常会导致组合上难以解决的问题。本文探索使用强化学习 (RL) 进行微观结构优化，以发现增强功能背后的物理机制。现有研究表明 RL 可以深入了解驱动二维离散朗道铁电模拟器中感兴趣的特性的机制。研究发现如果将奖励分配给物理上不可能完成的任务，就会出现非平凡的现象，本文通过奖励 RL 代理将极化矢量旋转到能量上不利的位置来说明这一点。研究进一步发现，基于对学习代理策略的分析，诱导极化卷曲的策略可能是非直观的。该研究表明，RL 是一种很有前途的机器学习方法，用于材料设计优化任务，以及更好地理解微观结构模拟的动力学。

内容中包含的图片若涉及版权问题，请及时与我们联系删除