使用深度强化学习的算法进行比较,以优化过度波形元材料的优化
Kenta Hamada1, Hui-Hsin Hsiao2, Wakana Kubo3
1Division of Advanced Electrical and Electronics Engineering, Tokyo University of Agriculture and Technology, 2- 24-16 Naka-cho, Koganei-shi, Tokyo, 184-8588, Japan.
Scientific reports
|December 31, 2024
概括
为光热电设备优化超级物质吸收器需要多个深度强化学习算法. 使用最好的算法将发电量提高了五倍,突出了对多种优化策略的需求.
科学领域:
- 材料科学 材料科学 材料科学
- 光学是什么?光学是什么?光学是什么?
- 能源转换 能源转换
背景情况:
- 超级物质吸收器为光热电设备提供宽带吸收.
- 优化超材料几何学是复杂的,因为许多参数和光谱对齐需求.
研究的目的:
- 为了比较三种深度强化学习算法,以优化过度的超级材料吸收器.
- 以有限的数据集来评估这些算法的预测准确性.
- 确定算法选择对优化可靠性的影响.
主要方法:
- 实施和比较三个不同的深度强化学习算法.
- 分析每个算法生成的吸收光谱.
- 基于有限吸收光谱数据集的预测准确性的评估.
主要成果:
- 用有限的数据优化单个算法可能会导致结构错误估计.
- 多个算法对于精确可靠的优化超材料吸收器至关重要.
- 最优的算法确定了金属材料的热电转换功率增加了五倍.
结论:
- 选择适当的优化算法对于准确的元材料设计至关重要.
- 使用多个深度强化学习算法可以提高结构优化的可靠性.
- 先进的元材料吸收器显著提高了光热电设备的性能.


