في كل عام، تطلق الشركات ووكالات الفضاء مئات الصواريخ إلى الفضاء، ومن المتوقع أن ينمو هذا العدد بشكل كبير مع البعثات الطموحة إلى القمر والمريخ وما بعدهما. لكن هذه الأحلام تتوقف على تحدٍ واحد بالغ الأهمية: الدفع – الأساليب المستخدمة لدفع الصواريخ والمركبات الفضائية إلى الأمام.
لجعل السفر بين الكواكب أسرع وأكثر أمانًا وكفاءة، يحتاج العلماء إلى تحقيق اختراقات في تكنولوجيا الدفع. الذكاء الاصطناعي هو أحد أنواع التكنولوجيا التي بدأت في تقديم بعض هذه الاختراقات الضرورية.
نحن فريق من المهندسين وطلاب الدراسات العليا الذين يدرسون كيف يمكن للذكاء الاصطناعي بشكل عام، ومجموعة فرعية من الذكاء الاصطناعي تسمى التعلم الآلي على وجه الخصوص، تحويل دفع المركبات الفضائية. من تحسين المحركات الحرارية النووية إلى إدارة حبس البلازما المعقد في أنظمة الاندماج، يعيد الذكاء الاصطناعي تشكيل تصميم الدفع وعملياته. وسرعان ما أصبح شريكًا لا غنى عنه في رحلة البشرية إلى النجوم.
التعلم الآلي والتعلم المعزز
التعلم الآلي هو أحد فروع الذكاء الاصطناعي الذي يحدد الأنماط في البيانات التي لم يتم تدريبه عليها بشكل صريح. وهو مجال واسع له فروعه الخاصة، وله الكثير من التطبيقات. يحاكي كل فرع الذكاء بطرق مختلفة: من خلال التعرف على الأنماط، أو التحليل وتوليد اللغة، أو التعلم من التجربة. هذه المجموعة الفرعية الأخيرة على وجه الخصوص، والمعروفة باسم التعلم المعزز، تعلم الآلات أداء مهامها من خلال تقييم أدائها، مما يمكنها من التحسين المستمر من خلال الخبرة.
كمثال بسيط، تخيل لاعب شطرنج. لا يحسب اللاعب كل حركة، بل يتعرف على الأنماط من خلال لعب ألف مباراة. ويخلق التعلم المعزز خبرات بديهية مماثلة في الآلات والأنظمة، ولكن بسرعة حسابية وعلى نطاق مستحيل بالنسبة للبشر. يتعلم من خلال التجارب والتكرارات من خلال مراقبة بيئته. تسمح هذه الملاحظات للآلة بتفسير كل نتيجة بشكل صحيح ونشر أفضل الاستراتيجيات للنظام للوصول إلى هدفه.
يمكن للتعلم المعزز أن يحسن فهم الإنسان للأنظمة المعقدة للغاية – تلك التي تتحدى حدود الحدس البشري. ويمكن أن يساعد في تحديد المسار الأكثر كفاءة لمركبة فضائية تتجه إلى أي مكان في الفضاء، ويفعل ذلك عن طريق تحسين الدفع اللازم لإرسال المركبة إلى هناك. ويمكنه أيضًا تصميم أنظمة دفع أفضل، بدءًا من اختيار أفضل المواد وحتى التوصل إلى تكوينات تنقل الحرارة بين أجزاء المحرك بكفاءة أكبر.
تعزيز التعلم لأنظمة الدفع
فيما يتعلق بالدفع الفضائي، ينقسم التعلم المعزز عمومًا إلى فئتين: تلك التي تساعد أثناء مرحلة التصميم – عندما يحدد المهندسون احتياجات المهمة وقدرات النظام – وتلك التي تدعم التشغيل في الوقت الفعلي بمجرد تحليق المركبة الفضائية.
من بين مفاهيم الدفع الأكثر غرابة والواعدة هو الدفع النووي، الذي يستخدم نفس القوى التي تشغل القنابل الذرية وتغذي الشمس: الانشطار النووي والاندماج النووي.
يعمل الانشطار عن طريق تقسيم الذرات الثقيلة مثل اليورانيوم أو البلوتونيوم لإطلاق الطاقة، وهو مبدأ يستخدم في معظم المفاعلات النووية الأرضية. من ناحية أخرى، يقوم الاندماج النووي بدمج ذرات أخف مثل الهيدروجين لإنتاج المزيد من الطاقة، على الرغم من أن بدئه يتطلب ظروفًا أكثر قسوة بكثير.
الانشطار هو تقنية أكثر نضجًا تم اختبارها في بعض النماذج الأولية للدفع الفضائي. حتى أنه تم استخدامه في الفضاء على شكل مولدات كهروحرارية للنظائر المشعة، مثل تلك التي تشغل مجسات فوييجر. لكن الاندماج يظل بمثابة حدود محيرة.
يمكن للدفع الحراري النووي في يوم من الأيام أن ينقل المركبات الفضائية إلى المريخ وما بعده بتكلفة أقل من مجرد حرق الوقود. وسوف تصل المركبة إلى هناك بشكل أسرع من الدفع الكهربائي، الذي يستخدم غازًا ساخنًا مصنوعًا من جزيئات مشحونة تسمى البلازما.
وخلافا لهذه الأنظمة، يعتمد الدفع النووي على الحرارة المتولدة من التفاعلات الذرية. يتم نقل هذه الحرارة إلى مادة دافعة، عادة ما تكون الهيدروجين، والتي تتوسع وتخرج من خلال فوهة لإنتاج قوة الدفع ودفع المركبة للأمام.
إذًا كيف يمكن للتعلم المعزز أن يساعد المهندسين على تطوير وتشغيل هذه التقنيات القوية؟ لنبدأ بالتصميم.
دور التعلم المعزز في التصميم
استخدمت تصميمات الدفع الحراري النووي المبكرة من الستينيات، مثل تلك الموجودة في برنامج نيرفا التابع لناسا، وقود اليورانيوم الصلب المصبوب في كتل على شكل موشور. ومنذ ذلك الحين، اكتشف المهندسون تكوينات بديلة – من طبقات من الحصى الخزفية إلى حلقات محززة ذات قنوات معقدة.
لماذا كان هناك الكثير من التجارب؟ لأنه كلما زادت كفاءة المفاعل في نقل الحرارة من الوقود إلى الهيدروجين، زاد الدفع الذي يولده.
هذا المجال هو المكان الذي أثبت فيه التعلم المعزز أهميته. يعد تحسين الشكل الهندسي وتدفق الحرارة بين الوقود والوقود مشكلة معقدة، وتتضمن متغيرات لا حصر لها – بدءًا من خصائص المواد وحتى كمية الهيدروجين التي تتدفق عبر المفاعل في أي لحظة. يمكن للتعلم المعزز تحليل اختلافات التصميم هذه وتحديد التكوينات التي تزيد من نقل الحرارة إلى الحد الأقصى. تخيل أنه منظم حرارة ذكي ولكن بالنسبة لمحرك صاروخي – محرك لا ترغب بالتأكيد في الوقوف بالقرب منه، نظرًا لدرجات الحرارة القصوى التي ينطوي عليها الأمر.
تعزيز التعلم وتكنولوجيا الانصهار
يلعب التعلم المعزز أيضًا دورًا رئيسيًا في تطوير تكنولوجيا الاندماج النووي. إن التجارب واسعة النطاق، مثل JT-60SA tokamak في اليابان، تدفع حدود طاقة الاندماج النووي، لكن حجمها الضخم يجعلها غير عملية لرحلات الفضاء. ولهذا السبب يقوم الباحثون باستكشاف التصاميم المدمجة مثل الآبار المتعددة. تبدو هذه الأجهزة الغريبة مثل مكعبات مجوفة، يبلغ عرضها بضع بوصات تقريبًا، وهي تحصر البلازما في المجالات المغناطيسية لتهيئة الظروف اللازمة للاندماج.
إن التحكم في المجالات المغناطيسية داخل البوليويل ليس بالأمر الهين. يجب أن تكون المجالات المغناطيسية قوية بما يكفي للحفاظ على ذرات الهيدروجين ترتد حتى تندمج، وهي عملية تتطلب طاقة هائلة للبدء، ولكنها يمكن أن تصبح مستدامة ذاتيًا بمجرد حدوثها. يعد التغلب على هذا التحدي ضروريًا لتوسيع نطاق هذه التكنولوجيا للدفع الحراري النووي.
تعزيز التعلم وتوليد الطاقة
ومع ذلك، فإن دور التعلم المعزز لا ينتهي عند التصميم. يمكن أن يساعد في إدارة استهلاك الوقود – وهي مهمة حاسمة للمهام التي يجب أن تتكيف بسرعة. في صناعة الفضاء اليوم، هناك اهتمام متزايد بالمركبات الفضائية التي يمكن أن تخدم أدوارًا مختلفة اعتمادًا على احتياجات المهمة وكيفية تكيفها مع التغييرات ذات الأولوية عبر الزمن.
فالتطبيقات العسكرية، على سبيل المثال، يجب أن تستجيب بسرعة للسيناريوهات الجيوسياسية المتغيرة. ومن الأمثلة على التكنولوجيا التي تتكيف مع التغيرات السريعة القمر الصناعي LM400 التابع لشركة لوكهيد مارتن، والذي يتمتع بقدرات متنوعة مثل الإنذار الصاروخي أو الاستشعار عن بعد.
لكن هذه المرونة تثير حالة من عدم اليقين. ما هي كمية الوقود التي ستحتاجها المهمة؟ ومتى سيحتاجها؟ يمكن أن يساعد التعلم المعزز في هذه الحسابات.
ومن الدراجات إلى الصواريخ، فإن التعلم من خلال الخبرة – سواء كانت بشرية أو آلية – يشكل مستقبل استكشاف الفضاء. بينما يدفع العلماء حدود الدفع والذكاء، يلعب الذكاء الاصطناعي دورًا متزايدًا في السفر إلى الفضاء. وقد يساعد العلماء على الاستكشاف داخل وخارج نظامنا الشمسي ويفتح الأبواب أمام اكتشافات جديدة.
تم إعادة نشر هذا المقال من The Conversation، وهي منظمة إخبارية مستقلة غير ربحية تقدم لك حقائق وتحليلات جديرة بالثقة لمساعدتك على فهم عالمنا المعقد. كتب بواسطة: ماركوس فرنانديز طوس، جامعة داكوتا الشمالية; بريتي ناير, جامعة داكوتا الشمالية; ساي سوميثا جودانتي, جامعة داكوتا الشمالية، وسريجيث فيدهياداران ناير، يمكن للصواريخ النووية أن تسافر إلى المريخ في نصف الوقت، لكن تصميم المفاعلات التي تغذيها بالطاقة ليس بالأمر السهل
لماذا يجب على الصاروخ أن يقطع مسافة 25000 ميل في الساعة للهروب من الأرض؟تعد الطباعة ثلاثية الأبعاد بطرق أكثر فعالية لصنع متفجرات مخصصة ووقود الصواريخ
يتلقى Sreejith Vidhyadharan Nair تمويلًا من جامعة داكوتا الشمالية. لقد تلقيت سابقًا تمويلًا بحثيًا خارجيًا من وكالات مثل إدارة الطيران الفيدرالية (FAA) ووكالة ناسا (NASA)؛ ومع ذلك، لم تكن هذه المشاريع مرتبطة بأنظمة الدفع النووي.
لا يعمل ماركوس فرنانديز توس، وبريتي ناير، وساي سوسميثا جودانتي، أو يستشيرون، أو يمتلكون أسهمًا في أي شركة أو مؤسسة أو يتلقون تمويلًا منها قد تستفيد من هذه المقالة، ولم يكشفوا عن أي انتماءات ذات صلة بعد تعيينهم الأكاديمي.