Искусственный интеллект у руля: как машинное обучение прокладывает путь к звездам

Эта статья была первоначально опубликована в The Conversation. Издание предоставило материал для рубрики Space.com «Мнения экспертов: Оп-эд и инсайты».

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 осуществление этих мечтаний зависит от одного критического вызова: двигательных установок — методов, используемых для движения ракет и космических кораблей вперед.

Чтобы сделать межпланетные путешествия быстрее, безопаснее и эффективнее, ученым нужны прорывы в технологиях двигательных установок. Искусственный интеллект — это одна из технологий, которая уже начала предоставлять некоторые из этих необходимых прорывов.

Мы — команда инженеров и аспирантов, изучающая, как ИИ в целом и его подраздел, машинное обучение, в частности, могут трансформировать космические двигательные установки. От оптимизации ядерных тепловых двигателей до управления сложным удержанием плазмы в термоядерных системах — ИИ меняет дизайн и эксплуатацию двигательных установок. Он быстро становится незаменимым партнером человечества на пути к звездам.

Машинное обучение и обучение с подкреплением

Машинное обучение — это раздел ИИ, который выявляет закономерности в данных, на которых его явно не обучали. Это обширная область со своими собственными ветвями и множеством применений. Каждая ветвь имитирует интеллект по-разному: распознавая паттерны, анализируя и генерируя язык или обучаясь на опыте. Последнее подмножество, известное как обучение с подкреплением, учит машины выполнять задачи, оценивая их производительность, что позволяет им постоянно совершенствоваться на основе опыта.

Возьмем простой пример — шахматиста. Игрок не просчитывает каждый ход, а распознает паттерны, сыграв тысячу партий. Обучение с подкреплением создает аналогичную интуитивную экспертизу в машинах и системах, но с вычислительной скоростью и в масштабах, невозможных для человека. Оно учится через опыт и итерации, наблюдая за своей средой. Эти наблюдения позволяют машине правильно интерпретировать каждый результат и применять наилучшие 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 наиболее эффективную траекторию для космического корабля, отправляющегося в любую точку пространства, оптимизируя необходимую для этого двигательную установку. Оно также потенциально способно проектировать лучшие двигательные системы — от выбора оптимальных материалов до предложения конфигураций, которые более эффективно передают тепло между частями двигателя.

Обучение с подкреплением для двигательных установок

В контексте космических двигательных установок обучение с подкреплением, как правило, делится на две категории: помогающие на этапе проектирования — когда инженеры определяют потребности миссии и возможности системы — и поддерживающие работу в реальном времени после выхода космического аппарата на орбиту.

Среди самых экзотических и многообещающих концепций — ядерные двигательные установки, которые используют те же силы, что питают атомные бомбы и Солнце: ядерный синтез и ядерный распад.

Деление работает за счет расщепления тяжелых атомов, таких как уран или плутоний, для высвобождения энергии — принцип, используемый в большинстве наземных ядерных реакторов. Синтез, с другой стороны, объединяет более легкие атомы, такие как водород, для производства еще больше энергии, хотя для его запуска требуются гораздо более экстремальные условия.

Деление — более зрелая технология, которая тестировалась в некоторых прототипах космических двигательных установок. Она даже использовалась в космосе в виде радиоизотопных термоэлектрических генераторов, подобных тем, что питали зонды «Вояджер». Но синтез остается заманчивой новой границей.

Ядерные тепловые двигательные установки однажды смогут доставлять космические корабли к Марсу и дальше с меньшими затратами, чем простое сжигание топлива. Они доставят аппарат туда быстрее, чем электрические двигательные установки, использующие нагретый газ из заряженных частиц, называемый плазмой.

В отличие от этих систем, ядерные двигательные установки полагаются на тепло, генерируемое атомными реакциями. Это тепло передается топливу, обычно водороду, который расширяется и выходит через сопло, создавая тягу и толкая корабль вперед.

Так как же обучение с подкреплением может помочь инженерам разрабатывать и управлять этими мощными технологиями? Начнем с проектирования.

Роль обучения с подкреплением в проектировании

Ранние проекты ядерных тепловых двигательных установок 1960-х годов, такие как в программе NASA NERVA, использовали твердое урановое топливо, отлитое в призмообразные блоки. С тех пор инженеры исследовали альтернативные конфигурации — от слоев керамических шариков до рифленых колец со сложными каналами.

Почему было столько экспериментов? Потому что чем эффективнее реактор может передавать тепло от топлива к водороду, тем больше тяги он генерирует.

Именно здесь обучение с подкреплением оказалось необходимым. Оптимизация геометрии и теплопередачи между топливом и топливом-носителем — сложная проблема, включающая множество переменных: от свойств материалов до количества водорода, протекающего через реактор в любой момент. Обучение с подкреплением может анализировать эти варианты конструкции и выявлять конфигурации, максимизирующие теплопередачу. Представьте его как умный термостат, но для ракетного двигателя — такой, рядом с которым вам точно не захочется стоять, учитывая экстремальные температуры.

Обучение с подкреплением и термоядерные технологии

Обучение с подкреплением также играет ключевую роль в разработке термоядерных технологий. Крупномасштабные эксперименты, такие как токамак JT-60SA в Японии, расширяют границы термоядерной энергии, но их огромные размеры делают их непрактичными для космических полетов. Вот почему исследователи изучают компактные конструкции, такие как поливеллы. Эти экзотические устройства выглядят как полые кубы размером в несколько дюймов и удерживают плазму в магнитных полях для создания условий, необходимых для синтеза.

Контролировать магнитные поля внутри поливелла — задача непростая. Магнитные поля должны быть достаточно сильными, чтобы удерживать атомы водорода в движении до тех пор, пока они не синтезируются — процесс, требующий огромной энергии для запуска, но способный стать самоподдерживающимся. Преодоление этой проблемы необходимо для масштабирования этой технологии для ядерных тепловых двигательных установок.

Обучение с подкреплением и выработка энергии

Однако роль обучения с подкреплением не заканчивается на проектировании. Оно может помочь управлять расходом топлива — критически важной задачей для миссий, которые должны адаптироваться на лету. В современной космической индустрии растет интерес к космическим аппаратам, которые могут выполнять разные роли в зависимости от потребностей миссии и того, как они адаптируются к изменениям приоритетов со временем.

Военные применения, 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 эта гибкость вносит неопределенность. Сколько топлива потребуется для миссии? И когда оно понадобится? Обучение с подкреплением может помочь с этими расчетами.

Заглядывая в будущее, потенциал симбиоза ИИ и космических двигательных установок поистине безграничен. Следующим логическим шагом станет создание полностью автономных двигательных систем, способных не только оптимизировать, но и изобретать. Представьте себе нейросеть, которой задана цель: «Спроектируй двигатель для миссии к Альфе Центавра с учетом заданных масс, ограничений по времени и доступных ресурсов в поясе астероидов». После миллионов итераций в цифровых «песочницах» она может предложить конструкции, немыслимые для человеческого инженера, — например, гибрид фотонного паруса с импульсным ядерным синтезом или двигатель, использующий пространственно-временные аномалии, предсказанные нашим сегодняшним пониманием физики.

Более того, ИИ станет ключом к безопасной эксплуатации этих сложнейших систем в реальном времени. В долгосрочных миссиях, где задержка связи с Землей исчисляется часами, бортовой ИИ-«пилот» сможет диагностировать и устранять неисправности, перераспределять ресурсы и даже принимать тактические решения по изменению траектории при встрече с непредвиденными препятствиями, такими как микрометеоритные потоки. Он превратится из «партнера» в полноценного члена экипажа, отвечающего за «сердце» корабля — его двигательную установку.

От велосипедов до ракет, обучение через опыт — будь то человеческий или машинный — формирует будущее космических исследований. По мере того как ученые расширяют границы двигательных установок и интеллекта, ИИ играет все более важную роль в космических путешествиях. Он может помочь ученым исследовать просторы нашей Солнечной системы и за ее пределами, открывая врата к новым открытиям и, возможно, к встрече с иными мирами. В конечном счете, именно ИИ, отточенный на земных данных и космическом опыте, может стать тем самым «искрой», которая разожжет двигатели кораблей, отправляющих человечество к звездам.