機械学習は驚くべき方法で宇宙の謎を解き明かしています

宇宙旅行、探査、観測には、人類史上最も複雑で危険な一連の科学的および技術的操作が含まれることがよくあります。これらの分野では、人工知能 (AI) が強力なアシスタントであることが証明されています。

だからこそ、究極のフロンティアを探索し文書化することを使命とする宇宙飛行士、科学者、その他の人々が、直面する課題への対処を支援するために機械学習 (ML) に注目しているのです。並外れた挑戦。

宇宙でのロケットの誘導から遠く離れた惑星の表面の研究、宇宙の大きさの測定や天体の運動軌道の計算まで、AI には宇宙における興味深く刺激的な応用シナリオが数多くあります。

宇宙航海

宇宙船の離着陸プロセス中、AI はエンジンの動作を自動化し、着陸装置などの機能の実際の展開を管理することで、燃料。

SpaceXはAIパイロットシステムを活用してファルコン9宇宙船の自律運用を実現し、NASAと締結した貨物配送契約に従って国際宇宙ステーション(ISS)とのドッキングに成功した。このシステムは、燃料の使用量、大気の乱れ、エンジン内の液体の「スロッシング」を考慮して、宇宙を通るロケットの軌道を計算することができます。

CIMON 2 はエアバス社が設計したロボットで、宇宙飛行士の隣にあるモバイル Amazon Alexa 仮想アシスタントに相当します。 IBM Watson AI システムを使用して構築されており、内部ファンを使用して前進し、ハンズフリーの情報データベース、コンピューター、カメラとして機能します。宇宙飛行士の声のストレスレベルを分析することで、宇宙飛行士の気分や精神状態を評価することもできます。

NASA のジェット推進研究所のミッション プランナーは、AI を使用してさまざまなミッション パラメータをモデル化および評価し、さまざまなオプションや行動方針の潜在的な結果を理解しています。これらの実験は、将来の宇宙船の設計と工学運用のための指針となる情報を提供できます。収集されたデータは、金星や木星を周回する氷の衛星エウロパへの着陸など、さまざまな将来の仮想ミッションの事前計画にも使用できます。

SpaceX は AI アルゴリズムも使用して、自社の Starlink 衛星が宇宙を周回または移動する他の車両と衝突しないようにしています。彼らの自律ナビゲーション システムは、近くの危険をリアルタイムで検出し、衛星の速度と軌道を調整して回避行動を取ることができます。

英国宇宙庁は、宇宙船や人工衛星が自律的な動作によってスペースデブリを回避できる自律システムも開発しました。英国宇宙庁は2025年までに、これをベースに宇宙ゴミの捕獲と清掃を目的とした自律宇宙船を打ち上げる計画だ。積極的に制御しなければ、スペースデブリは将来の宇宙飛行に脅威をもたらす可能性があります。

惑星探査

火星探査車は、火星の表面を探索するように設計されたロボットです。私たちは、火星探査車が地球に送り返すデータを分析し、そこから学ぶことができます。機械学習アルゴリズムのおかげで、これらのロボットは、ハードウェアに損傷を与えたり、動けなくなったりする可能性のある深い穴や急な壁を避けて、火星の表面を自律的に移動できます。以前に火星に送られた探査機スピリットは、車輪が柔らかい土に挟まれてその場で立ち往生しており、NASAは2011年に最終的に救助と連絡を断念することを決定した。機械学習テクノロジーの助けにより、NASA は別の探査車の予期せぬ損失を回避することに成功しました。

近年、NASA のジェット推進研究所は画像認識ツールを使用して、火星探査車などの地上ロボットによって撮影された画像を研究し、地形の特徴を分類しています。彼らは、火星の表面に直径わずか4メートルのクレーターさえ発見しました。

パーサヴィアランス探査機には、火星の表面にあるさまざまな種類の岩石を検出して分類できるイージスと呼ばれるコンピューター ビジョン システムが搭載されており、これにより、赤い惑星の地質構成についてさらに詳しく知ることができます。

火星探査機で使用される AI アルゴリズムのトレーニングに自宅で参加することもできます。 AI4Mars プロジェクトでは、ユーザーが、パーソナル コンピューター上で地形の特徴をマークすることで探査車キュリオシティの自律ナビゲーション システムを改善するためのツールをダウンロードするよう勧めています。

これまでの地表探査のほとんどは車輪付きロボットで行われてきましたが、欧州宇宙機関は「ホッピング」ロボットの使用を実験しています。これらのロボットは、脚を使って前進したりジャンプしたりできます。 AI アルゴリズムはロボットの手足の動きとバランスを調整し、巨大なクレーターによって形成された月のアリスタルコス高原など、これまでアクセスできなかった月上の場所を探索します。

人々は AI を使用して月面を検出し、将来の有人ミッションに最適な着陸地点を決定し始めています。これは宇宙飛行士が将来着陸する環境を十分に理解するのにも役立ち、アームストロング氏のような第一世代の月着陸船のような大きなリスクに直面する必要がなくなる。

宇宙の地図作成

天文学者は AI を使用して遠くの星雲にある星団のパターンを特定し、深宇宙で検出された他の分類された特徴と組み合わせて宇宙の地図を作成しています。

NASA のケプラー望遠鏡を例に挙げると、星から発せられる光放射の減衰を分析することで、惑星の可能性のある位置を特定できます。

AI は星や銀河の活動を予測するためにも使用され、超新星爆発などの宇宙事象の潜在的な場所を理解するのに役立ちます。

これらの謎の物体が中性子星と衝突するときに生成される重力波のタイミングを分析することにより、研究者たちは数十個のブラックホールの存在を検出しました。

AI技術は地球や宇宙全体を見渡すためにも活用されています。 2004 年に運用を開始した自律科学実験プロジェクトは、地球予測 1 号衛星に接続されており、カメラで捉えた画像を自動的に分類し、どの画像が貴重な帯域幅を費やして地球への送信に値するかを判断できるようになりました。

カリフォルニア大学バークレー校の SETI@Home プロジェクトは、AI アルゴリズムを使用して電波望遠鏡によって生成された大量のデータを処理し、宇宙で地球外知性体の兆候を探索することを目指しています。プロジェクトは検査のためにボランティアに新しいデータを送信することを停止しましたが、分析も回収もされていないデータがまだ大量にあるため、この資料には興味深い真実が隠されている可能性があります。

AI は、これまでで最も正確なブラック ホールの画像の作成にも使用されました。ロジャー・ペンローズ氏、ラインハルト・ゲンゼル氏、アンドレア・ゲズ氏は、M87銀河の中心にある超大質量ブラックホールのリアルな画像を作成した功績により、2020年のノーベル賞を受賞した。

AI の応用範囲はこれをはるかに超えており、研究者たちは現在、事象の地平線を超えて、AI テクノロジーを使用してブラック ホールの内部で何が起こっているのかを明らかにしたいと考えています。この研究には量子コンピューティングも含まれており、物理学者がこの分野で最も中心的な問題の1つ、つまりアインシュタインの一般相対性理論と素粒子物理学の標準モデルを統合する問題の解決に役立つことが期待されている。

人々は、AI が宇宙を測定し、その大きさと形状をより正確に把握できるようになるとさえ期待しています。 AIスーパーコンピューターを使って日本の天文データを研究し、既知の宇宙の存在と一致する模擬星図を作成することに成功しました。これは、宇宙の特徴を予測し、光速の限界によって妨げられている現在の探査の限界（つまり、観測可能な宇宙）を超えて進むことができることを意味します。

以上が機械学習は驚くべき方法で宇宙の謎を解き明かしていますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。