Apr, 2024
使用深度强化学习计算稀有事件的转变路径
Computing Transition Pathways for the Study of Rare Events Using Deep Reinforcement Learning
Bo Lin, Yangzheng Zhong, Weiqing Ren
TL;DR在计算物理、化学和生物学领域中，了解复杂系统中亚稳态之间的转变事件是重要的课题。本文将路径查找任务作为特定路径空间上的成本最小化问题进行了阐述，并利用深度确定性策略梯度算法（DDPG）中的演员 - 评论者方法来解决该问题。所提出的方法利用增强学习的开发和探索性质来高效采样转变事件并计算全局最优的转变路径。通过对包括扩展的 Mueller 系统和七粒子 Lennard-Jones 系统在内的三个基准系统的实证，我们展示了所提出方法的有效性。