Каждый год компании и космические агентства запускают в космос сотни ракет, и это число готово резко вырасти благодаря амбициозным миссиям к Луне, Марсу и дальше. Но эти мечты зависят от одного критического вызова: двигательных установок — методов, используемых для движения ракет и космических кораблей вперёд.
Чтобы сделать межпланетные путешествия быстрее, безопаснее и эффективнее, учёным необходимы прорывы в технологиях двигательных установок. Искусственный интеллект — одна из таких технологий, которая уже начала обеспечивать некоторые из этих необходимых прорывов.
Мы — команда инженеров и аспирантов, изучающая, как ИИ в целом, и его подраздел — машинное обучение — в частности, могут преобразовать космическое двигателестроение. От оптимизации ядерных тепловых двигателей до управления сложным удержанием плазмы в термоядерных системах — ИИ меняет дизайн и эксплуатацию двигательных установок. Он быстро становится незаменимым партнёром человечества на пути к звёздам.
Машинное обучение и обучение с подкреплением
Машинное обучение — это раздел ИИ, который выявляет закономерности в данных, на которых он не был явно обучен. Это обширное поле со своими собственными ответвлениями и множеством приложений. Каждое ответвление имитирует интеллект по-разному: распознавая закономерности, анализируя и генерируя язык или обучаясь на опыте. Именно последний подраздел, обычно известный как обучение с подкреплением, учит машины выполнять задачи, оценивая их производительность, что позволяет им постоянно совершенствоваться на основе опыта.
В качестве простого примера представьте шахматиста. Игрок не просчитывает каждый ход, а скорее распознаёт закономерности, сыграв тысячи партий. Обучение с подкреплением создаёт аналогичную интуитивную экспертизу у машин и систем, но с вычислительной скоростью и в масштабах, невозможных для человека. Оно учится через опыт и итерации, наблюдая за окружающей средой. Эти наблюдения позволяют машине правильно интерпретировать каждый результат и применять лучшие стратегии для достижения системой своей цели.
Обучение с подкреплением может улучшить человеческое понимание чрезвычайно сложных систем — тех, что бросают вызов пределам человеческой интуиции. Оно может помочь определить самый эффективный траекторию для космического корабля, направляющегося в любую точку пространства, и делает это, оптимизируя двигательную установку, необходимую для его отправки. Оно также потенциально способно проектировать лучшие двигательные системы — от выбора наилучших материалов до предложения конфигураций, которые более эффективно передают тепло между частями двигателя.
Обучение с подкреплением для двигательных систем
В отношении космических двигательных установок обучение с подкреплением обычно делится на две категории: те, что помогают на этапе проектирования (когда инженеры определяют потребности миссии и возможности системы), и те, что поддерживают работу в реальном времени после выхода космического аппарата на орбиту.
Среди самых экзотичных и многообещающих концепций двигательных установок — ядерное propulsion, которое использует те же силы, что питают атомные бомбы и Солнце: ядерное деление и ядерный синтез.
Деление работает за счёт расщепления тяжёлых атомов, таких как уран или плутоний, для высвобождения энергии — принцип, используемый в большинстве наземных ядерных реакторов. Синтез, с другой стороны, объединяет более лёгкие атомы, такие как водород, для производства ещё большего количества энергии, хотя для его инициации требуются гораздо более экстремальные условия.
Деление — более зрелая технология, испытанная в некоторых прототипах космических двигателей. Оно даже использовалось в космосе в виде радиоизотопных термоэлектрических генераторов, подобных тем, что питали зонды «Вояджер». Но синтез остаётся заманчивой границей.
Ядерные тепловые двигатели могли бы однажды доставлять космические корабли к Марсу и дальше с меньшими затратами, чем простое сжигание топлива. Они доставили бы аппарат быстрее, чем электрические двигатели, которые используют нагретый газ из заряженных частиц, называемый плазмой.
В отличие от этих систем, ядерные двигатели полагаются на тепло, генерируемое атомными реакциями. Это тепло передаётся рабочему телу (пропеланту), обычно водороду, который расширяется и выходит через сопло, создавая тягу и толкая корабль вперёд.
Так как же обучение с подкреплением может помочь инженерам разрабатывать и управлять этими мощными технологиями? Начнём с проектирования.
Роль обучения с подкреплением в проектировании
Ранние проекты ядерных тепловых двигателей 1960-х годов, такие как в программе NASA NERVA, использовали твёрдое урановое топливо, отлитое в призматические блоки. С тех пор инженеры исследовали альтернативные конфигурации — от слоёв керамических шариков до рифлёных колец со сложными каналами.
Почему было проведено столько экспериментов? Потому что чем эффективнее реактор может передавать тепло от топлива к водороду, тем большую тягу он генерирует.
Именно здесь обучение с подкреплением оказалось необходимым. Оптимизация геометрии и теплового потока между топливом и рабочим телом — сложная проблема, включающая множество переменных: от свойств материалов до количества водорода, протекающего через реактор в любой момент. Обучение с подкреплением может анализировать эти варианты конструкций и определять конфигурации, максимизирующие теплопередачу. Представьте это как умный термостат, но для ракетного двигателя — к которому вам определённо не захочется стоять слишком близко, учитывая экстремальные температуры.
Обучение с подкреплением и технологии синтеза
Обучение с подкреплением также играет ключевую роль в разработке технологий ядерного синтеза. Крупномасштабные эксперименты, такие как токамак JT-60SA в Японии, расширяют границы термоядерной энергии, но их огромный размер делает их непрактичными для космических полётов. Именно поэтому исследователи изучают компактные конструкции, такие как поливеллы. Эти экзотичные устройства, похожие на полые кубы размером в несколько дюймов, удерживают плазму в магнитных полях для создания условий, необходимых для синтеза.
Управление магнитными полями внутри поливелла — непростая задача. Магнитные поля должны быть достаточно сильными, чтобы удерживать атомы водорода в движении до их слияния — процесс, требующий огромной энергии для запуска, но способный стать самоподдерживающимся. Преодоление этой проблемы необходимо для масштабирования данной технологии для ядерных тепловых двигателей.
Обучение с подкреплением и генерация энергии
Однако роль обучения с подкреплением не заканчивается на проектировании. Оно может помочь в управлении расходом топлива — критически важной задаче для миссий, которые должны адаптироваться на лету. В современной космической индустрии растёт интерес к космическим аппаратам, которые могут выполнять различные роли в зависимости от потребностей миссии и того, как они адаптируются к изменению приоритетов со временем.
Военные приложения, например, должны быстро реагировать на меняющиеся геополитические сценарии. Примером технологии, адаптированной к быстрым изменениям, является спутник LM400 компании Lockheed Martin, который обладает различными возможностями, такими как предупреждение о ракетном нападении или дистанционное зондирование.
Но такая гибкость вносит неопределенность. Сколько топлива потребуется для миссии? И когда оно понадобится? Обучение с подкреплением может помочь в этих расчётах, моделируя различные сценарии и оптимизируя распределение ресурсов для максимальной эффективности и оперативной готовности. Это позволяет создавать более «умные» и автономные космические аппараты, способные перераспределять энергию и топливо между системами в ответ на непредвиденные события или новые научные цели.
От велосипедов до ракет обучение на опыте — будь то человеческом или машинном — формирует будущее космических исследований. По мере того как учёные раздвигают границы двигательных установок и искусственного интеллекта, ИИ играет всё возрастающую роль в космических путешествиях. Он может помочь исследовать пространство внутри и за пределами нашей Солнечной системы и открыть врата для новых открытий. Следующим логическим шагом станет создание полностью автономных миссий, где ИИ будет не только управлять двигателями, но и принимать решения о корректировке курса, проведении экспериментов и даже выборе целей для изучения, раскрывая тайны Всении с беспрецедентной скоростью и точностью.
Поделитесь в вашей соцсети👇
Ваш комментарий