Raumfahrt, Erforschung und Beobachtung beinhalten oft eine Reihe der komplexesten und gefährlichsten wissenschaftlichen und technologischen Vorgänge in der Geschichte der Menschheit. Künstliche Intelligenz (KI) hat sich in diesen Bereichen als leistungsstarker Helfer erwiesen.
Aus diesem Grund wenden sich Astronauten, Wissenschaftler und andere, deren Mission es ist, die ultimativen Grenzen zu erforschen und zu dokumentieren, aktiv dem maschinellen Lernen (ML) zu Helfen Sie bei den außergewöhnlichen Herausforderungen, denen Sie gegenüberstehen.
Von der Lenkung von Raketen durch den Weltraum über die Untersuchung der Oberflächen entfernter Planeten bis hin zur Messung der Größe des Universums und der Berechnung der Bewegungsbahnen von Himmelskörpern hat KI viele interessante und spannende Anwendungsszenarien im Weltraum.
Spacevoyage
Während des Start- und Landevorgangs des Raumfahrzeugs kann KI den Triebwerksbetrieb automatisieren und den tatsächlichen Einsatz von Funktionen wie dem Fahrwerk verwalten und so die Verteilung optimieren von Treibstoff und Nutzung.
SpaceX nutzte das KI-Navigationssystem, um den autonomen Betrieb seines Raumschiffs Falcon 9 zu erreichen, und dockte gemäß dem mit der NASA unterzeichneten Frachtliefervertrag erfolgreich an der Internationalen Raumstation (ISS) an. Das System ist in der Lage, die Flugbahn einer Rakete durch den Weltraum zu berechnen und dabei den Treibstoffverbrauch, atmosphärische Störungen und das „Schwappen“ von Flüssigkeit im Inneren des Triebwerks zu berücksichtigen.
CIMON 2 ist ein von Airbus entwickelter Roboter, der neben Astronauten dem mobilen virtuellen Assistenten Amazon Alexa entspricht. Es basiert auf dem KI-System von IBM Watson, nutzt einen internen Ventilator, um sich voranzutreiben, und kann als freihändige Informationsdatenbank, Computer und Kamera fungieren. Es kann sogar die Stimmung und den Geisteszustand von Astronauten beurteilen, indem es den Stresspegel in ihren Stimmen analysiert.
Missionsplaner im Jet Propulsion Laboratory der NASA verwenden KI, um verschiedene Missionsparameter zu modellieren und zu bewerten, um die möglichen Ergebnisse verschiedener Optionen und Vorgehensweisen zu verstehen. Diese Experimente können Orientierungsinformationen für zukünftige Konstruktions- und Konstruktionsarbeiten von Raumfahrzeugen liefern. Die gesammelten Daten können auch für die Vorausplanung einer Reihe hypothetischer zukünftiger Missionen verwendet werden, darunter Landungen auf der Venus und Europa, dem Eismond, der Jupiter umkreist.
SpaceX nutzt außerdem KI-Algorithmen, um sicherzustellen, dass seine Starlink-Satelliten nicht mit anderen umlaufenden oder Übergangsfahrzeugen im Weltraum kollidieren. Ihr autonomes Navigationssystem kann Gefahren in der Nähe in Echtzeit erkennen und die Geschwindigkeit und Umlaufbahn des Satelliten anpassen, um Ausweichmaßnahmen einzuleiten.
Die britische Weltraumbehörde hat außerdem autonome Systeme entwickelt, die es ihren Raumfahrzeugen und Satelliten ermöglichen, durch autonome Aktionen Weltraummüll zu vermeiden. Bis 2025 will die britische Raumfahrtbehörde auf dieser Basis ein autonomes Raumschiff starten, dessen Aufgabe es ist, Weltraumschrott einzufangen und zu beseitigen. Wenn der Weltraummüll nicht proaktiv bekämpft wird, stellt er wahrscheinlich eine Bedrohung für die zukünftige Raumfahrt dar.
Planetenerkundung
Marsrover sind Roboter, die sich der Erforschung der Marsoberfläche widmen. Wir können die Daten, die sie an die Erde zurücksenden, analysieren und daraus lernen. Dank maschineller Lernalgorithmen können diese Roboter autonom auf der Marsoberfläche navigieren und dabei tiefe Gruben und steile Wände meiden, die ihre Hardware beschädigen oder bewegungsunfähig machen könnten. Der zuvor zum Mars geschickte Rover Spirit blieb an Ort und Stelle stecken, als seine Räder im weichen Boden stecken blieben. Die NASA beschloss schließlich, die Rettung und den Kontakt im Jahr 2011 aufzugeben. Mithilfe maschineller Lerntechnologie ist es der NASA gelungen, den versehentlichen Verlust eines weiteren Rovers zu verhindern.
In den letzten Jahren hat das Jet Propulsion Laboratory der NASA Bilderkennungstools verwendet, um von Bodenrobotern wie Mars-Rovern aufgenommene Bilder zu untersuchen und Geländemerkmale zu klassifizieren. Sie entdeckten sogar einen Krater auf der Marsoberfläche, der nur einen Durchmesser von vier Metern hatte.
Der Rover Perseverance ist mit einem Computer-Vision-System namens AEGIS ausgestattet, das verschiedene Gesteinsarten auf der Marsoberfläche erkennen und klassifizieren kann, wodurch wir mehr über die geologische Zusammensetzung des Roten Planeten erfahren können.
Sie können sogar zu Hause am Training des vom Marsrover verwendeten KI-Algorithmus teilnehmen. Das AI4Mars-Projekt lädt Benutzer dazu ein, Tools herunterzuladen, um das autonome Navigationssystem des Curiosity Rovers zu verbessern, indem sie Geländemerkmale auf ihren PCs markieren.
Während die meisten Oberflächenerkundungen bisher mit Radrobotern durchgeführt wurden, experimentiert die Europäische Weltraumorganisation mit dem Einsatz von „hüpfenden“ Robotern. Diese Roboter können sich mit ihren Beinen vorwärts bewegen und springen. KI-Algorithmen werden die Bewegung und das Gleichgewicht der Gliedmaßen des Roboters koordinieren, um bisher unzugängliche Orte auf dem Mond zu erkunden, wie zum Beispiel das Aristarch-Plateau, das von einem riesigen Krater auf dem Mond gebildet wird.
Menschen haben begonnen, KI zu nutzen, um die Mondoberfläche zu erkennen und die besten Landeplätze für zukünftige bemannte Missionen zu bestimmen. Dies hilft Astronauten auch dabei, die Umgebung, in der sie in Zukunft landen werden, vollständig zu verstehen, und sie müssen sich keinen großen Risiken stellen wie die erste Generation von Mondlandern wie Armstrong.
Kartierung des Universums
Astronomen verwenden KI, um Muster in Sternhaufen in fernen Nebeln zu identifizieren, kombiniert mit anderen klassifizierten Merkmalen, die im Weltraum entdeckt wurden, um das Universum zu kartieren.
Nehmen Sie als Beispiel das Kepler-Teleskop der NASA. Es kann feststellen, ob ein Planet zwischen dem Stern und der Erde vorbeizieht, indem es die Abschwächung der vom Stern emittierten Lichtstrahlung analysiert und dann den möglichen Standort des Planeten bestimmt.
KI wird auch zur Vorhersage der Aktivität von Sternen und Galaxien eingesetzt und hilft uns, die möglichen Orte kosmischer Ereignisse wie Supernova-Explosionen zu verstehen.
Durch die Durchführung einer Zeitreihenanalyse der Gravitationswellen, die entstehen, wenn diese mysteriösen Objekte mit Neutronensternen kollidieren, haben Forscher die Existenz von Dutzenden Schwarzen Löchern entdeckt.
KI-Technologie wird auch zur Überwachung der Erde und des gesamten Universums eingesetzt. Das Autonomous Sciencecraft Experiment-Projekt, das 2004 seinen Betrieb aufnahm, ist mit dem Satelliten Earth Prediction 1 verbunden, was es ihm ermöglicht, von Kameras aufgenommene Bilder automatisch zu klassifizieren und dann zu bestimmen, welche Bilder es wert sind, wertvolle Bandbreite für die Übertragung zur Erde aufzuwenden.
Das SETI@Home-Projekt an der University of California, Berkeley, nutzt KI-Algorithmen, um große Datenmengen zu verarbeiten, die von Radioteleskopen generiert werden, in der Hoffnung, im Weltraum nach Anzeichen außerirdischer Intelligenz zu suchen. Obwohl das Projekt aufgehört hat, neue Daten zur Inspektion an Freiwillige zu senden, gibt es immer noch große Datenmengen, die nicht analysiert und abgerufen wurden. Die aufregende Wahrheit könnte also in diesem Material liegen!
KI wurde auch verwendet, um das bislang genaueste Bild eines Schwarzen Lochs zu erstellen. Roger Penrose, Reinhard Genzel und Andrea Ghez erhielten den Nobelpreis 2020 für die Erstellung realistischer Bilder des supermassereichen Schwarzen Lochs im Zentrum der Galaxie M87.
Der Umfang der KI-Anwendungen geht weit darüber hinaus. Forscher hoffen nun, über den Ereignishorizont hinauszugehen und KI-Technologie zu nutzen, um aufzudecken, was im Inneren eines Schwarzen Lochs vor sich geht. Die Arbeit wird auch Quantencomputer umfassen und soll den Physikern dabei helfen, eines der zentralsten Probleme auf diesem Gebiet zu lösen – die Vereinigung von Einsteins allgemeiner Relativitätstheorie mit dem Standardmodell der Teilchenphysik.
Die Menschen hoffen sogar, dass KI dabei helfen kann, das Universum zu vermessen und seine Größe und Form besser zu erfassen. Mithilfe eines KI-Supercomputers zur Untersuchung astronomischer Daten aus Japan ist es uns gelungen, eine simulierte Sternenkarte zu erstellen, die der bekannten Existenz des Universums entspricht. Dies bedeutet, dass wir die Eigenschaften des Universums vorhersagen und über die aktuellen Grenzen der Erforschung hinausgehen können, die durch die Lichtgeschwindigkeitsgrenze (d. h. das beobachtbare Universum) behindert werden.
Das obige ist der detaillierte Inhalt vonMaschinelles Lernen entschlüsselt die Geheimnisse des Universums auf überraschende Weise. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
