[发明专利]借助数字计算机启用机器学习的微组装控制的系统和方法

权利要求书

1.一种借助数字计算机启用机器学习的微组装控制的系统，所述系统包括：

一个或多个处理器，所述一个或多个处理器实现一个或多个机器学习算法，所述一个或多个处理器被配置为：

获得用于定位微物体的系统的一个或多个参数，所述系统包括多个电极，所述电极中的每一者都是可编程的，所述电极被配置为当所述微物体靠近所述电极时在由所述电极中的一者或多者产生一个或多个电势时引起所述微物体的移动；

使用所述参数对所述微物体和所述电极之间的电容进行建模；

用传感器估计所述微物体的位置；

接收所述微物体的另外的位置；

定义使用所述电容作为由于所述电极中的至少一些电极产生的电极电势引起的所述微物体的移动的动态模型的连续表示，其中所述动态模型与表示为期望的约束相关；

将所述机器学习算法中的一者应用于所述动态模型的所述连续表示的至少一部分，以执行由所述电极中的至少一些电极产生的电极电势的优化，以使所述微物体从所估计的位置移动到所述另外的位置；以及

使用所优化的电极电势来致动所述电极中的至少一些电极以引起所述微物体从所估计的位置到所述另外的位置的所述移动。

2.根据权利要求1所述的系统，其中所述约束中的一者包括所述微物体的势能，并且在所述优化期间使用高斯求积法则对所述势能进行近似。

3.根据权利要求2所述的系统，所述一个或多个处理器还被配置为：

将确定所优化的电极电势的分配的函数表示为与权重和偏差相关的神经网络。

4.根据权利要求3所述的系统，其中所述一个机器学习算法是自动微分，所述一个或多个处理器还被配置为：

使用所述自动微分计算作为与所述神经网络相关的所述权重和所述偏差的函数的所述势能的偏导数。

5.根据权利要求3所述的系统，其中所述神经网络包括两个隐藏层并且使用tanh作为激活函数。

6.根据权利要求1所述的系统，其中所述另外的位置在一方向上与所估计的位置隔开一距离，所述一个或多个处理器还被配置为：

接收另外的位置，所述另外的位置在与其中所述另外的位置与所估计的位置隔开的所述方向相反的一方向上与所估计的位置隔开所述距离；以及

改变所述函数的符号以优化用于将所述微物体从所估计的位置移动到所述另外的位置的所述电势。

7.根据权利要求1所述的系统，其中从所估计的位置到所述另外的位置的所述移动在一维中，所述一个或多个处理器还被配置为：

接收在两维上与所估计的位置隔开的另外的位置；以及

将旋转变换应用于所优化的电极电势，以推导出由所述电极产生的所述电极电势，以将所述微物体从所估计的位置移动到所述另外的位置。

8.根据权利要求1所述的系统，所述一个或多个处理器还被配置为：

执行所述电极和所述微物体之间的所述电容的多个模拟；以及

定义将所述微物体和所述电极中的每一者之间的所述电容描述为所述微物体和该电极之间距离的函数的函数。

9.根据权利要求1所述的系统，所述处理器中的一者或多者包括至少一个CPU和至少一个GPU中的一者或多者。

10.根据权利要求1所述的系统，其中所述电极中的至少一些电极是矩形的。