Pengontrol sistem dinamis nonlinier merupakan tugas utama di berbagai bidang sains dan teknik.
Keberadaan harapan bahwa seseorang akan mampu untuk mengontrol sistem kacau yang nonlinier (nonlinear chaotic systems) ke keadaan stabil telah menjadi penemuan yang luar biasa.
Chaotic systems dapat distabilkan dengan gangguan kecil. Namun pendekatan yang ada membutuhkan pengetahuan tentang persamaan sistem yang mendasarinya.
Kali ini sebuah tim peneliti dari Ludwig-Maximilians-Universität, Jerman, mengusulkan skema baru yang sepenuhnya berbasis data dengan mengandalkan algoritma pembelajaran mesin (ML) untuk memperluas teknik pengonkontrolan chaotic systems tanpa memerlukan model matematika yang mendasari dinamikanya.
Melalui kemampuan untuk memprediksi dengan ML, tim peneliti mampu menunjukkan bahwa sistem nonlinier dapat dipaksa untuk tetap berada dalam status target dinamis yang sembarang dari initial states mana pun.
Tim peneliti menguraikan dan memvalidasi pendekatannya dengan menggunakan contoh Lorenz dan Rössler system.
Dengan skema kontrol yang sangat fleksibel ini dan dengan sedikit tuntutan pada jumlah data yang diperlukan, peneliti menguraikan secara singkat tentang kemungkinan aplikasinya, mulai dari masalah teknik hingga masalah kedokteran.
Penelitian ini telah dipublikasikan di Scientific Reports dengan judul makalahnya Controlling nonlinear dynamical systems into arbitrary states using machine learning.
Referensi:
https://www.nature.com/articles/s41598-021-92244-6
A Simple Notebook 