据近期《自然·通讯》杂志报道，美国俄亥俄州立大学的研究人员使用机器学习工具创建了一个表现出混沌行为的电子电路的数字孪生模型。他们借此成功地预测了电子电路的行为并对其进行了控制。

许多日常设备，如恒温器和巡航控制系统，都使用线性控制器。由于这些设备算法简单，所以很难控制复杂行为系统。因此，自动驾驶汽车等先进设备通常依赖基于机器学习的控制器。

研究的主要作者、俄亥俄州立大学物理学研究生罗伯特·肯特表示，大多数基于机器学习的控制器的问题是，它们使用了大量的能源或电力，而且需要很长时间进行评估。为它们开发传统控制器也很困难，因为混沌系统对微小变化极其敏感。

肯特表示，在几毫秒就可以决定生死的情况下，比如自动驾驶车辆必须决定刹车以防止事故发生时，实现快速控制等问题变得至关重要。现在，新开发的高效数字孪生模型可能会对未来研究自主控制系统产生全面影响。

数字孪生模型系统足够紧凑，可以安装在一个廉价的计算机芯片上。该芯片能在没有连接互联网的情况下运行，并可以降低控制器功耗。

为了验证这一理论，研究人员让新模型完成复杂的控制任务，并将其结果与以前的控制技术进行比较。结果表明，新方法与线性方法相比，实现了更高的准确度，且比以前基于机器学习的控制器的计算复杂性显著降低。