来源：科技日报 科技日报记者 张家鑫 在宇宙的真空中，没有空气可以依靠，所有的航天器机动都依靠其搭载的推进系统。推进效率不仅决定其飞行速度和距离，还直接关系到任务成本甚至宇航员的生存。然而，半个多世纪以来支持人类航天的化学燃料推进正在接近物理极限。在此背景下，人工智能（AI）开始进军航天推进这一传统高硬核领域。据澳大利亚《Conversation》杂志报道，人工智能，尤其是机器学习，正在帮助科学家重新思考核热推进、等离子体推进等前沿解决方案，为人类深空探索提供更强大的新引擎。数字空间中持续的试错人工智能发挥着越来越重要的作用在航空航天推进技术的设计和实时操作中发挥作用。它模仿了人类“从经验中改进”的过程：它不是给出一个标准答案，而是让机器通过无数次的尝试，通过“试错”掌握最优解。这种模式赋予了机器类似“直觉”的专业能力。就像顶尖的国际象棋棋手不依赖重复的记忆，而是依赖数千盘棋积累的感悟。人工智能需要与推进系统类似的专业知识。它在虚拟世界中进行数亿次的模拟测试，例如在数字空间中进行数千万次的“飞行”训练，从而准确地推导出导致混沌参数成功的“最优解”。一个典型的应用场景是传热优化。 20 世纪 60 年代，NASA 启动了雄心勃勃的“火箭飞行器核发动机”（NERVA）项目。该计划使用固体铀燃料并将其塑造成棱柱结构，通过不断测试物理配置来优化它，试图提高传热效率。现在，强化学习可以在这个过程中发挥重要作用。它不再依赖于缓慢的手动测试周期，而是使用数字孪生技术在计算机上克隆相同的发动机，并智能优化反应堆堆芯和推进剂之间的热流路径。这种优化确保了核燃料中的热量以非常高的效率转移到氢推进剂，使航天器在前往目的地时更加节能。在火箭发射器上安置“核电站”核推进技术，特别是核热推进，是一种非常有前景、高效的航天器推进技术。它利用核反应释放的巨大热能将氢和其他推进剂加热到强烈状态，然后将它们喷射出来，使航天器能够运行很长时间且油耗极低。但挑战在于：如何在直径数米的机器中控制“微型核电站”的狂暴能量？现在，AI的加入使得这个过程的优化更加智能、更加精细。强化可以帮助研究人员设计更好的核热推进系统，并通过实时数据反馈调整设计参数。回顾历史，早期的核热推进系统使用固体铀燃料和相对简单的传热手段。受限于当时的计算能力，设计方案趋于保守。另一方面，现代设计尝试使用更复杂的几何形状和新材料来最大限度地提高传热效率。研究人员正在试验“陶瓷球床”或充满“微观颗粒”的床。这些结构就像人体脆弱的毛细血管，可以将散热效率发挥到极限。这些复杂的如果手动计算的话，几何排列将极其成熟。在这一设计变革中，强化学习发挥了重要作用。他们可以同时研究材料、中子吸收截面和推进剂在极高温度下的热导率。流体动力学性能。人工智能通过持续模拟和评估帮助优化材料选择和几何配置，大大提高推进系统的热交换效率。这种精细化的设计不仅提高了发动机的比冲，还减轻了推进系统的整体重量，为深空探测任务利用核聚变的“太阳能”留下了更多的装载空间。 “除了核热推进之外，核聚变也是航天推进领域极具潜力的前沿技术。虽然核聚变技术尚未成熟，但人工智能的应用加速了这一技术的发展。”这些突破，使其从大型地面装置演变为紧凑型太空推进器。目前，JT-60SA托卡马克装置推动了日本和其他聚变装置的实验，推动了该技术在世界范围内的发展。在这些大型环形装置中，最大的挑战是如何保持高能等离子体的稳定性。等离子体非常热并且容易产生湍流。一旦与容器壁接触，反应立即熄灭。通过使用AI强化学习技术，研究人员可以更好地实现微秒级的速度。控制聚变反应堆内的磁场，精确捕捉等离子体的细微波动，并实时调整补偿。该算法的控制可以有效维持高能等离子体的稳定性，有助于实现自持聚变反应。人工智能还帮助更小的“紧凑型聚变”设备更适合安装在航天器上，如多面势阱器件。通过优化磁场线圈的布局，这个“人造太阳”有望足够小，成为未来核动力航天器最坚实的基础。飞船从大气层飞向星空后，AI的角色从“设计师”变成了“大师”。随着太空任务变得越来越复杂，如何在长途旅行中精确管理每一克燃料。物资是决定任务成败的关键。航天器现在并没有“一路飞行”。例如，卫星可能在探测任务中突然收到执行拦截或预警任务的指令。这种灵活性意味着燃料需求是不可预测的。通过不断学习飞行数据，人工智能可以像经验丰富的驾驶员一样进行复杂的操作。最经济的路线是在力场中实时计算的。可以监控系统的健康状况实时，甚至可以在部件发生微小振动时预测潜在危险，提前调整参数，预防灾难。随着人工智能技术的进步，航天推进将不断创新，同时提高深空探索的安全性和效率，帮助人类开启星际旅行的新篇章。 特别声明：以上内容（如有，包括照片或视频）由自媒体平台“网易号”用户上传发布。本平台仅提供信息存储服务。 注：以上内容（如有，包括照片、视频）由网易号用户上传发布，网易号为社交媒体平台，仅提供信息存储服务。