据近期《人造·通信》杂志报道，数字美国俄亥俄州立大学的孪生钻研职员运用机械学习工具建树了一个呈现出混沌行动的电子电路的数字孪生模子。他们借此乐成地预料了电子电路的增强自控行动并对于其妨碍了操作。

良多同样平凡配置装备部署，系统如恒温器以及巡航操作系统，数字都运用线性操作器。孪生因为这些配置装备部署算法重大，增强自控以是系统很难操作重大行动（比喻混沌）系统。因此，数字被动驾驶汽车等先进配置装备部署个别依附基于机械学习的孪生操作器。

钻研的增强自控主要作者、俄亥俄州立大学物理学钻研生罗伯特·肯特呈现，系统大少数基于机械学习的数字操作器的成果是，它们运用了少许的孪生能源或者电力，而且需要很长期妨碍评估。增强自控为它们开辟传统操作器也很难题，因为混沌系统对于重大变换极其锐敏。

肯特呈现，在多少毫秒就能决定生去世的状态下，好比被动驾驶车辆必须决定刹车以防御事件发生时，实现快捷操作等成果变患上至关紧张。如今，新开辟的功能数字孪生模子可能会对于未来钻研自主操作系统产生周全影响。

数字孪生模子系统充实涣散，可能装置在一个自制的合计机芯片上。该芯片能在不衔接互联网的状态下运行，并可能着落操作器功耗。

为了验证这一事实，钻研职员让新模子实现重大的操作使命，并将其服从与从前的操作技术妨碍比照。服从表明，新方式与线性方式比照，实现为了更高的精确度，且比从前基于机械学习的操作器的合计重大性清晰着落。