자기 공명 지문법(Magnetic Resonance Fingerprinting, MRF)은 가변적 획득 매개변수에 의해 생성된 과도 상태 신호 역학을 활용한다. 따라서 최적의 강력한 시퀀스 설계를 위해, 예를 들어 플립 각도와 같은 주요 매개변수 중 하나를 최적화하는 복잡하고 고차원적인 순차적 의사 결정 문제가 발생한다. 강화 학습(Reinforcement learning, RL)은 매개변수 선택을 자동화하여 지문 간의 구별 가능성을 극대화하는 펄스 시퀀스를 최적화하는 데 유망한 접근 방식을 제공한다. 본 연구에서는 MRF에서 플립 각도 스케줄을 최적화하기 위한 RL 프레임워크를 도입하고, 지문 분리성을 향상시키는 비주기적 패턴을 나타내는 학습된 스케줄을 제시한다. 또한, RL로 최적화된 스케줄은 반복 시간 감소를 가능하게 하여 MRF 획득을 가속화할 수 있다는 흥미로운 관찰 결과를 얻었다.
