Araştırmacılar, modern mühendisliğin en zorlu problemlerinden biri olan optimal kontrol sistemlerinin tasarımında çığır açan bir yapay zeka çözümü geliştirdi. Linear Quadratik Regülatör (LQR) olarak bilinen bu sistemler, otonom araçlardan endüstriyel robotlara, uzay araçlarından enerji sistemlerine kadar geniş bir yelpazede kullanılıyor.
Geleneksel yaklaşımda, her yeni sistem için Riccati diferansiyel denklemlerinin tekrar tekrar çözülmesi gerekiyor. Bu işlem, karmaşık matematiksel hesaplamalar içerdiği için saatlerce sürebiliyor ve gerçek zamanlı uygulamalarda büyük sorun teşkil ediyor.
Yeni geliştirilen Deep Operator Networks (DeepONets) tabanlı sistem, bu sorunu kökten çözüyor. Sistem, önceden çok sayıda örnek üzerinde eğitilerek, zaman bağımlı sistem parametrelerini Riccati çözüm yörüngelerine dönüştüren matematiksel operatörü öğreniyor.
Araştırma ekibi, sistemin sadece hız avantajı sağlamadığını, aynı zamanda kontrol teorik garantiler de sunduğunu kanıtladı. Çalışmada, operatör yaklaşım hatalarının geri besleme performansına, yörünge doğruluğuna ve maliyet optimizasyonuna nasıl yansıdığını gösteren matematiksel sınırlar belirlendi.
Bu teknolojinin otonom sürüş sistemlerinde anlık karar alma, robotik operasyonlarda gerçek zamanlı hareket kontrolü ve endüstriyel süreçlerde dinamik optimizasyon gibi alanlarda devrim yaratması bekleniyor.