一项新研究表明，由下一代计算算法控制的系统可能会产生更好、更高效的机器学习产品。
研究人员使用机器学习工具创建了一个电子电路的数字孪生（虚拟副本），该电路会展现出混沌行为。他们发现，他们能够成功预测该电路的行为，并利用这些信息来控制它。
许多日常设备，如温控器和巡航控制，都使用线性控制器，即使用简单的规则来引导系统达到期望值。例如，温控器就使用这些规则来确定基于当前温度和期望温度之间的差异来加热或冷却空间的大小。
然而，由于这些算法非常简单直接，它们很难控制那些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往往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。但是，这些算法有着明显的缺陷，其中最具挑战性且计算成本最高的是它们的实现过程。
图：数字孪生模型有望推动计算进步
研究人员表示：“大多数基于机器学习的控制器的问题是它们使用大量的能源或电力，并且需要很长时间来评估，”“自动驾驶车必须以飞快地速度刹车来防止事故发生，这十分重要，因为在几毫米间就能决定生死。”
研究人员说：“我们使用的机器学习架构的伟大之处就在于它非常擅长学习随着时间演变的系统行为，这个灵感来自于人脑中的连接。”
研究表明，尽管类似尺寸的计算机芯片以及在智能冰箱等设备上使用，但这种新颖的计算能力使新的模型特别适合处理自动驾驶车辆和心脏监视器等动态系统。
随着社会在日常生活的几乎所有方面越来越依赖计算机和人工智能，对数据中心的需求正在飙升，导致许多专家担心数字系统的巨大电力需求以及未来行业需要采取哪些措施才能跟上它。
由于建设这些数据中心以及大规模计算实验会产生大量碳足迹，因此科学家们正在寻找遏制该技术碳排放的方法。
研究人员说，为了推进他们的成果，未来的工作可能会转向训练模型以探索量子信息处理等其他应用。与此同时，他预计这些新元素将深入科学界。
