国立情報学研究所の岸田昌子准教授と大阪大学の小蔵正輝准教授らは、ロボットなどの複雑な制御システムの最適化問題を人工知能（ＡＩ）技術のディープニューラルネットワークで解く手法を考案した。直感的に利用できるため数学の専門家以外にも使いやすい。実用的な解法がなかった最適制御問題を解決できる可能性がある。

ニューラルネットワークの学習手法を制御設計の最適化問題に利用。最適化したい変数をニューラルネットワークの学習パラメーターとして埋め込み計算する。

時相深層展開ではニューラルネットワークの各層が特定の瞬間の動的システムを表す。制御入力の制約は全写像、状態制約はペナルティー関数として取り込んだ。全体像が決まると標準的な深層学習（ディープラーニング）の手法で制御入力を求められる。

一般的に非線形で確率的な動的システムの最適制御は難しく、非凸関数が含まれると実用的な解法はほぼなかった。