По данным недавнего журнала Nature Communications, исследователи из Университета штата Огайо (США) использовали инструменты машинного обучения для создания цифровой двойниковой модели электронных схем, демонстрирующих хаотичное поведение.Таким образом, они успешно предсказали поведение электронных схем и контролировали их.
Многие повседневные устройства, такие как термостаты и системы круизного управления, используют линейные контроллеры.Поскольку алгоритмы этих устройств просты, трудно контролировать сложные поведенческие (например, хаотические) системы.Поэтому современные устройства, такие как автономные автомобили, часто полагаются на контроллеры, основанные на машинном обучении.
Роберт Кент, ведущий автор исследования и аспирант по физике Университета штата Огайо, говорит, что проблема большинства контроллеров, основанных на машинном обучении, заключается в том, что они используют много энергии или электричества и требуют длительного времени для оценки.Разработка традиционных контроллеров для них также затруднена, поскольку хаотические системы чрезвычайно чувствительны к незначительным изменениям.
Кент сказал, что такие вопросы, как быстрое управление, становятся решающими в ситуациях, когда жизнь и смерть могут быть решены за несколько миллисекунд, например, когда автономные транспортные средства должны решить тормоза, чтобы предотвратить аварию.Теперь новые высокоэффективные цифровые двойники могут оказать всестороннее влияние на будущие исследования автономных систем управления.
Система цифровых двойников достаточно компактна, чтобы ее можно было установить на недорогой компьютерный чип.Чип может работать без подключения к Интернету и может снизить энергопотребление контроллера.
Чтобы проверить эту теорию, исследователи попросили новую модель выполнить сложную задачу управления и сравнили ее результаты с предыдущими методами управления.Результаты показали, что новый метод обеспечивает более высокую точность по сравнению с линейным методом и значительно снижает сложность вычислений по сравнению с предыдущими контроллерами, основанными на машинном обучении.