每一次仿真都重要：用于加速光子学逆向设计的基于价值的强化学习

论文比较基线DQN与六种价值学习变体，在统一目标、仿真器、83次调用预算和四组初始化下优化七变量PCSEL设计。Dueling DQN是唯一在四个种子上都改善的变体，并报告波长误差降低64%、向上功率提升47%；但摘要中的部分Q值和基准数值缺失。