이 논문은 복잡한 시스템에서 메타안정 상태 간 전이 사건을 이해하는 것의 중요성을 다룹니다. 전이 경로는 전이 메커니즘을 특성화하는 데 중요한 역할을 합니다. 그러나 복잡하고 고차원적인 시스템에서 전이 경로를 계산하는 것은 어려운 과제입니다.
이 연구에서는 전이 경로 찾기 문제를 비용 최소화 문제로 정식화하였습니다. 이때 비용 함수는 Freidlin-Wentzell 작용 함수에서 변형되었으며, 거친 포텐셜 지형을 다룰 수 있습니다. 이 문제는 깊은 결정론적 정책 경사 알고리즘(DDPG)에 기반한 행위자-비평가 방법을 사용하여 해결되었습니다.
제안된 방법은 시스템의 포텐셜 힘을 활용하여 에피소드를 생성하고, 물리적 특성을 학습 과정에 결합합니다. 강화 학습의 탐색 및 활용 특성을 통해 전이 사건을 효율적으로 샘플링하고 전역적으로 최적의 전이 경로를 계산할 수 있습니다.
세 가지 벤치마크 시스템, 즉 확장된 Mueller 시스템과 7개 입자의 Lennard-Jones 시스템을 사용하여 제안된 방법의 효과를 입증하였습니다. 결과는 제안된 방법이 거친 포텐셜 지형을 가진 고차원 시스템의 전이 경로를 정확하게 예측할 수 있음을 보여줍니다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문