研究人员使用深度强化学习以最佳精度操纵Ag(111)表面上的Ag吸附原子，并与路径规划算法集成以完成自主原子组装系统。研究表明，通过结合几种最先进的强化学习算法并将原子操作形式化到强化学习框架中，可以训练深度强化学习算法以原子精度和出色的数据效率来操作原子。与固定操作参数相比，深度强化学习算法更能适应极端的变化，这要归功于它不断从新经验中学习的能力。

该研究证明深度强化学习可用于解决原子级别的问题，该方法可作为一种强大而有效的技术来自动化人工结构的创建以及原子级计算设备的组装和操作。同时，深度强化学习通过设计直接从其与环境的交互中学习，而无需监督或环境模型，这使其成为一种很有前途的方法来发现稳定的操作参数，而这些参数对于新系统中的人类专家来说并不简单。

信息来源：

https://www.nature.com/articles/s41467-022-35149-w