據(jù)近期《自然·通訊》雜志報道，美國俄亥俄州立大學的研究人員使用機器學習工具創(chuàng)建了一個表現(xiàn)出混沌行為的電子電路的數(shù)字孿生模型。他們借此成功地預測了電子電路的行為并對其進行了控制。
許多日常設(shè)備，如恒溫器和巡航控制系統(tǒng)，都使用線性控制器。由于這些設(shè)備算法簡單，所以很難控制復雜行為（例如混沌）系統(tǒng)。因此，自動駕駛汽車等先進設(shè)備通常依賴基于機器學習的控制器。
研究的主要作者、俄亥俄州立大學物理學研究生羅伯特·肯特表示，大多數(shù)基于機器學習的控制器的問題是，它們使用了大量的能源或電力，而且需要很長時間進行評估。為它們開發(fā)傳統(tǒng)控制器也很困難，因為混沌系統(tǒng)對微小變化極其敏感。
肯特表示，在幾毫秒就可以決定生死的情況下，比如自動駕駛車輛必須決定剎車以防止事故發(fā)生時，實現(xiàn)快速控制等問題變得至關(guān)重要。現(xiàn)在，新開發(fā)的高效數(shù)字孿生模型可能會對未來研究自主控制系統(tǒng)產(chǎn)生全面影響。
數(shù)字孿生模型系統(tǒng)足夠緊湊，可以安裝在一個廉價的計算機芯片上。該芯片能在沒有連接互聯(lián)網(wǎng)的情況下運行，并可以降低控制器功耗。
為了驗證這一理論，研究人員讓新模型完成復雜的控制任務(wù)，并將其結(jié)果與以前的控制技術(shù)進行比較。結(jié)果表明，新方法與線性方法相比，實現(xiàn)了更高的準確度，且比以前基于機器學習的控制器的計算復雜性顯著降低。
