俄亥俄州立大学的研究人员运用机器学习技术，开发出一个模拟混沌行为的电子电路的数字孪生模型。他们因此成功预测并控制了电子电路的运行。他们借此成功地预测了电子电路的行为，并加以控制。线性控制器被广泛应用于许多日常设备，例如恒温器和巡航控制系统。由于这些设备的算法较为简单，因此难以实现对复杂行为（如混沌系统）的控制。因此，先进设备如自动驾驶汽车通常依赖于机器学习控制器。俄亥俄州立大学物理学研究生罗伯特·肯特是该研究的主要作者。他表示，大多数基于机器学习的控制器存在以下问题：它们需要大量的能源或电力，并且需要较长时间进行评估。由于混沌系统对微小变化极其敏感，因此开发传统控制器也变得异常困难。肯特说，在必须在几毫秒内做出生死决定的情况下，比如自动驾驶车辆需要即时刹车以避免事故，实现快速控制变得非常关键。如今，新开发的高效数字孪生模型可能会对未来的自主控制系统研究产生深远影响。