一项新的研究表明，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
使用机器学习工具创建表现出混乱行为的电子电路的数字孪生（虚拟副本），研究人员发现他们成功地预测了电路的行为，并使用这些信息来控制电路。
许多日常设备，如恒温器和巡航控制，都使用线性控制器；其使用简单的规则来将系统引导到期望的值。例如，恒温器采用这样的规则，根据当前温度和期望温度之间的差异来确定加热或冷却空间的量
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，如混沌
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优控制算法。然而，这些算法具有显著的缺点，其中最苛刻的是它们的实现极具挑战性且计算成本高昂
该研究的主要作者、俄亥俄州立大学物理学研究生Robert Kent说，现在，获得高效的数字孪生可能会对科学家如何开发未来的自主技术产生全面影响
他说，在毫秒可以决定生死的情况下，例如自动驾驶车辆必须决定刹车以防止事故发生时，这些问题至关重要
该团队的数字孪生兄弟足够紧凑，可以安装在一个廉价的计算机芯片上，该芯片能够在指尖上保持平衡，并且能够在没有互联网连接的情况下运行，旨在优化控制器的效率和性能，研究人员发现这降低了功耗。它很容易做到这一点，主要是因为它是使用一种称为储层计算的机器学习方法进行训练的
根据这项研究，尽管智能冰箱等设备中也使用了类似尺寸的计算机芯片，但这种新颖的计算能力使新模型特别适合处理自动驾驶汽车和心脏监测仪等动态系统，这些系统必须能够快速适应患者的心跳
“大型机器学习模型必须消耗大量的能量来处理数据并得出正确的参数，而我们的模型和训练非常简单，你可以让系统在飞行中学习，”他说
为了验证这一理论，研究人员指导他们的模型完成复杂的控制任务，并将其结果与以前的控制技术进行比较。这项研究表明，他们的方法在任务上比线性控制器实现了更高的精度，并且在计算上比以前的基于机器学习的控制器要复杂得多
Kent说：“人们会根据它的效率找到它的好用途。”。“你几乎可以在任何平台上实现它，而且它很容易理解。”该算法最近向科学家提供
随着社会在日常生活的几乎所有方面都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，这导致许多专家担心数字系统的巨大电力需求，以及未来的行业需要做些什么才能跟上这一需求。
由于建造这些数据中心以及大规模计算实验会产生巨大的碳足迹，科学家们正在寻找遏制这项技术碳排放的方法
俄亥俄州立大学的其他合著者包括Wendson a.S.Barbosa和Daniel J.Gauthier
"People will find good use out of it just based on how efficient it is," Kent said. "You can implement it on pretty much any platform and it's very simple to understand." The algorithm was recently made available to scientists.
Outside of inspiring potential advances in engineering, there's also an equally important economic and environmental incentive for creating more power-friendly algorithms, said Kent.
As society becomes more dependent on computers and AI for nearly all aspects of daily life, demand for data centers is soaring, leading many experts to worry over digital systems' enormous power appetite and what future industries will need to do to keep up with it.
And because building these data centers as well as large-scale computing experiments can generate a large carbon footprint, scientists are looking for ways to curb carbon emissions from this technology.
To advance their results, future work will likely be steered toward training the model to explore other applications like quantum information processing, Kent said. In the meantime, he expects that these new elements will reach far into the scientific community.
"Not enough people know about these types of algorithms in the industry and engineering, and one of the big goals of this project is to get more people to learn about them," said Kent. "This work is a great first step toward reaching that potential."
Other Ohio State co-authors include Wendson A.S. Barbosa and Daniel J. Gauthier.
想要了解更多关于脑机接口技术的内容，请关注脑机网，我们将定期发布最新的研究成果和应用案例，让您第一时间了解脑机接口技术的最新进展。
