Краткое содержание

arXiv:2511.12260v1 Тип объявления: cross Аннотация: Мы рассматриваем задачу поиска оптимального упорядочивания элементов в биметаллических наночастицах (НЧ) как задачу обучения с подкреплением (ОП) и создали агента ОП, который обучается проводить такую глобальную оптимизацию, используя геометрическое графовое представление НЧ. Чтобы продемонстрировать эффективность, мы обучаем агента ОП выполнять сохраняющие состав атомные перестановки в структуре икосаэдрической наночастицы. Пройдя однократное обучение на случайных составах и конфигурациях $Ag_{X}Au_{309-X}$, агент обнаруживает ранее установленную основную структуру. Мы показываем, что данная оптимизация устойчива к разным начальным конфигурациям одного и того же состава НЧ. Мы также демонстрируем, что обученная стратегия может успешно экстраполировать на НЧ невидимого ранее размера. Однако эффективность ограничена, когда в сплаве присутствует несколько элементов. Наши результаты показывают, что ОП с предварительно обученными эквивариантными графовыми кодировками позволяет эффективно исследовать комбинаторное пространство конфигураций.