俄亥俄州立大学使用边缘计算硬件控制混乱利用数字孪生模型有望推动计算进步

盖世汽车讯 一项新研究表明，由下一代计算算法控制的系统可以产生更好、更高效的机器学习产品。据外媒报道，俄亥俄州立大学研究人员发现，使用机器学习工具创建表现出混沌行为的电子电路的数字孪生(虚拟副本)，成功预测出行为方式并利用该信息得到控制。

许多日常设备都使用线性控制器，该控制器使用简单的规则将系统引导至所需值。例如，恒温器就采用此类规则，根据当前温度与所需温度之间的差异来确定对空间进行加热或冷却的程度。

然而，由于这些算法非常简单，它们很难控制表现出复杂行为的系统。因此，自动驾驶汽车和飞机等先进设备通常依赖于基于机器学习的控制器，这些控制器使用复杂的网络来学习高效运行所需的最佳控制算法。然而，这些算法具有显著劣势，其中最严重的是它们的实现极具挑战性且计算成本昂贵。

该研究的主要作者、俄亥俄州立大学物理学研究生Robert Kent表示，现在，获得高效的数字孪生可能会对科学家开发未来自动驾驶技术的方式产生广泛影响。