複雑な物理システムに強化学習（RL）を適用することは、高い計算シミュレーションコストによる長い訓練時間という課題に直面します。転移学習は、類似の問題で訓練されたモデルを活用することで訓練時間を短縮できます。縮約次数モデル（ROMs）は、精度を維持しながらRL訓練のためのより高速で簡略化された環境を作成します。ROMsは、データ駆動科学からの教師なし学習アプローチを含むさまざまな方法で生成できます。動的システムは時間とともに進化し、状態ベクトルとその微分によって記述されます。現実世界の物理システムはしばしば非線形性を示し、それらを特徴づけることを困難にします。これらのシステムは頻繁に解ける支配方程式を欠いており、その有用性を制限する簡略化を必要とします。ターボジェットエンジンの力学は、結合方程式が直接ではなく反復的に解かなければならない例題として機能します。