将强化学习（RL）应用于复杂物理系统面临着因高计算模拟成本导致的漫长训练时间挑战。迁移学习可以通过利用在类似问题上训练的模型来减少训练时间。降阶模型（ROMs）为强化学习训练创建了更快、简化的环境，同时保持准确性。降阶模型可以通过多种方法生成，包括来自数据驱动科学的无监督学习方法。动力系统随时间演变，由状态向量及其导数描述。现实世界的物理系统通常表现出非线性，使其难以表征。这些系统经常缺乏可求解的控制方程，需要简化，这限制了它们的效用。涡轮喷气发动机动力学是一个示例问题，其中耦合方程必须迭代求解，而不是直接求解。