জটিল ভৌত সিস্টেমে রিইনফোর্সমেন্ট লার্নিং (RL) প্রয়োগ করা উচ্চ কম্পিউটেশনাল সিমুলেশন খরচের কারণে দীর্ঘ প্রশিক্ষণ সময়ের চ্যালেঞ্জের সম্মুখীন হয়। ট্রান্সফার লার্নিং অনুরূপ সমস্যাগুলিতে প্রশিক্ষিত মডেলগুলি ব্যবহার করে প্রশিক্ষণ সময় কমাতে পারে। কম ক্রমের মডেল (ROMs) নির্ভুলতা বজায় রেখে RL প্রশিক্ষণের জন্য দ্রুত, সরলীকৃত পরিবেশ তৈরি করে। ROMs বিভিন্ন পদ্ধতির মাধ্যমে তৈরি করা যেতে পারে, যার মধ্যে ডেটা-চালিত বিজ্ঞানের থেকে অনসুপারভাইজড লার্নিং পদ্ধতি রয়েছে। গতিশীল সিস্টেমগুলি সময়ের সাথে সাথে বিকশিত হয় এবং স্টেট ভেক্টর এবং তাদের ডেরিভেটিভ দ্বারা বর্ণিত হয়। বাস্তব বিশ্বের ভৌত সিস্টেমগুলি প্রায়শই অরৈখিকতা প্রদর্শন করে, যা তাদের বৈশিষ্ট্য নির্ধারণ করা কঠিন করে তোলে। এই সিস্টেমগুলি প্রায়শই সমাধানযোগ্য গভর্নিং সমীকরণের অভাব থাকে, যা সরলীকরণের প্রয়োজন হয় যা তাদের উপযোগিতা সীমাবদ্ধ করে। টার্বোজেট ইঞ্জিন ডাইনামিক্স একটি উদাহরণ সমস্যা হিসাবে কাজ করে যেখানে যুগ্মিত সমীকরণগুলি সরাসরি না হলে পুনরাবৃত্তিমূলকভাবে সমাধান করা উচিত।