کنترل خود مونتاژ با برنامه‌نویسی پویا

این مقاله یک روش قبلا گزارش‌شده برای ایجاد کنترل بازخورد از خود مونتاژ را به روز رسانی می‌کند (‏گریفان و همکاران (‏۲۰۱۶)‏. این روش، کاهش ابعاد، یادگیری نظارت شده، و برنامه‌نویسی پویا برای به دست آوردن یک سیاست کنترل بازخورد بهینه برای رسیدن به یک حالت مونتاژ شده مطلوب را ترکیب می‌کند. این استراتژی بیشتر با نتایج شبیه‌سازی و هم نتایج تجربی نشان داده می‌شود: برای دو کاربرد: کنترل مونتاژ کلوئیدی (‏به منظور تولید بلوره‌ای کلوئیدی کامل)‏ و کنترل تبلور از محلول (‏برای تولید کریستال‌های متوسط اندازه مورد نظر)‏.

This conference paper updates a previously-reported methodology for establishing feedback control of self-assembly (Griffin et al. (2016b)). The methodology combines dimension reduction, supervised learning, and dynamic programming to obtain an optimal feedback control policy for reaching a desired assembled state. The strategy is further demonstrated, with both simulation and experimental results, for two applications: control of colloidal assembly (to produce perfect colloidal crystals) and control of crystallization from solution (to produce crystals of desired average size).