تعتبر نظم بورت-هاميلتونيان (port-Hamiltonian systems) من النظم الديناميكية المعقدة التي تتطلب استراتيجيات تحكم فعالة لضمان الأداء العالي والاستقرار. في هذا الإطار، تم تقديم نموذج متطور للتحكم يعتمد على التعلم المتزامن (co-learning) من بيانات المسار، مما يتيح تحسينات كبيرة في كيفية استجابة هذه الأنظمة للتغيرات في الطاقة.

يستند الإطار الجديد على تطوير نموذج ديناميكي لنظام pH والتحكم المستند إلى السلبية (passivity-based control) من خلال تحسين متناوب يجمع بين التعلم وتحديث البيانات المرتبطة بالتحكم. بحيث في كل مرة يتم فيها تحسين النموذج، يتم تحديث بيانات التحكم وتطبيقها لتعزيز دقة النظام.

تُستخدم الشبكات العصبية لتمثيل ديناميات نظام port-Hamiltonian وبنية التحكم السلبية، مما يساعد في ضمان قابلية تفسير النتائج من حيث تفاعلات الطاقة. يتحقق الاستقرار الطبيعي للنظام المغلق مما يجعله أكثر قدرة على الاستجابة للتغيرات الديناميكية، خاصة وأن النهج يشمل تقنيات تقليل الطاقة خلال فترة التدريب، مما يعزز المتانة بين نتائج المحاكاة والواقع.

الأبحاث أثبتت فعالية هذا الإطار من خلال تحقيق مهام تنظيم الدولة ورفع الأثقال للأنظمة الديناميكية مثل البندول ذي المستوى والبندول التورسي، مما يمهد الطريق لتطبيقات مستقبلية في مجالات مختلفة تتطلب تحكماً دقيقاً وفعالاً بالطاقة.