據近期《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建了一個表現出混沌行為的電子電路的數字孿生模型。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。
許多日常設備，如恒溫器和巡航控制系統，都使用線性控制器。由于這些設備算法簡單，所以很難控制復雜行為（例如混沌）系統。因此，自動駕駛汽車等先進設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。為它們開發傳統控制器也很困難，因為混沌系統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生時，實現快速控制等問題變得至關重要?，F在，新開發的高效數字孿生模型可能會對未來研究自主控制系統產生全面影響。
數字孿生模型系統足夠緊湊，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網的情況下運行，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，并將其結果與以前的控制技術進行比較。結果表明，新方法與線性方法相比，實現了更高的準確度，且比以前基于機器學習的控制器的計算復雜性顯著降低。
