[发明专利]强化学习环境的搭建及交互方法

权利要求书

1.一种强化学习环境的搭建方法，用于模拟晶体结构的相变过程，其特征在于，包括：

获取晶体结构发生相变过程的所有可能结构从而构建模拟相变环境；

基于构建好的模拟相变环境定义变换规则。

2.根据权利要求1所述的方法，其特征在于：

其中，所述变换规则包括第一变换规则、第二变换规则及第三变换规则、

所述第一变换规则用于判断每种可能结构按元素类型进行编码后并改变原子位点的元素类型获得的晶体结构是否满足第一预定范围；

所述第二变换规则用于判断每种可能结构可视化后的降维信息与之变换后的可变换结构之间的距离是否满足第二预定范围；

所述第三变换规则用于判断满足所述第一预定范围与所述第二预定范围的可变换结构的可用能量值是否为正值。

3.根据权利要求2所述的方法，其特征在于：

其中，若所述可变换结构的可用能量值为正值，则变换成功；

若所述可变换结构的可用能量值为负值，则保持该结构不变，并在预定的范围内寻找其他可变换结构。

4.根据权利要求3所述的方法，其特征在于：

其中，所述预定的范围包括所述第一预定范围与所述第二预定范围，

所述第一预定范围为编码后的所有可能结构，

所述第二预定范围为每种可能结构可视化后的降维信息与之变换后的可变换结构之间的距离是否小于预定距离。

5.根据权利要求4所述的方法，其特征在于：

其中，若每种可能结构可视化后的降维信息与之变换后的可变换结构之间的距离小于预定距离，则满足所述第二预定范围，否则，重新选取另一可变换结构进行预定距离判断。

6.根据权利要求5所述的方法，其特征在于：

其中，所述预定距离用于判断变换前后的可能结构之间的相似性。

7.根据权利要求所述3的方法，其特征在于：

其中，将变换成功的所述可变换结构确定为第一可变换结构，并依次确定下一个可变换结构。

8.根据权利要求7所述的方法，其特征在于：

其中，判断所述可变换结构是否为终点结构或是否满足最大变换次数；

若是，则变换结束，否则重复执行所述变换规则。

9.一种强化学习环境的交互方法，其特征在于：

将强化学习环境对应的所有可能结构映射为状态表示后与强化学习代理进行交互；或

将强化学习环境对应的所有可能结构进行量子态编码，并映射为状态表示后与强化学习代理进行交互，

其中，所述强化学习环境由权利要求1-8任一项所述的强化学习环境的搭建方法搭建得到。

10.根据权利要求9所述的方法，其特征在于：

其中，所述量子态编码包括：

将每种可能结构的高维数据归一化后得到归一化向量；

将所述归一化向量处理得到量子态右矢；

将所述量子态右矢共轭转置得到对应的量子态左矢；

将所述量子态右矢与所述量子态左矢做外积，即得所述量子态编码后得到的结构密度矩阵。