Svemirska industrija ulazi u razdoblje u kojem se broj lansiranja više ne mjeri desecima, nego stotinama godišnje. Misije prema Mjesecu, Marsu i asteroidima zahtijevaju brže i pouzdanije pogone, a upravo tu počinje najveći izazov moderne astronautike. Bez napretka u tehnologijama potiska, čovječanstvo ostaje ograničeno na spor i skup transport kroz Sunčev sustav.
U posljednjih nekoliko godina uloga preuzima nova, sve moćnija tehnologija. Umjetna inteligencija postala je ključni alat u razvoju raketnih motora, planiranju putanja i optimizaciji sustava koji upravljaju energijom i toplinom. Inženjeri sve češće koriste metode strojnog učenja kako bi poboljšali nuklearne toplinske pogone, stabilizirali plazmu u fuzijskim eksperimentima i pronašli učinkovitije konfiguracije motora koje bi čovjeka mogle odvesti znatno dalje nego danas.
Kako strojevi usvajaju iskustvo
Strojno učenje obuhvaća više pristupa, a jedan je posebno važan za svemirske pogone. Riječ je o učenju vođenom povratnom informacijom, metodi u kojoj algoritam procjenjuje svaki pokušaj, uspoređuje ga s prethodnima i postupno razvija učinkovitije rješenje. Takvi sustavi mogu u kratkom vremenu svladati obrasce koji su ljudskoj intuiciji teško dostižni.
To se može usporediti s iskusnim šahistom koji ne izračunava svaku moguću varijantu, nego prepoznaje obrasce koji su mu već duboko utisnuti u pamćenje. Učenje vođeno povratnom informacijom stvara sličnu vrstu “instinkta”, samo na razini brzine i složenosti koju čovjek teško može pratiti. Takvi modeli mogu izračunati najpovoljniju putanju letjelice, predložiti raspored elemenata u motoru koji učinkovitije prenosi toplinu ili upravljati potrošnjom goriva u misijama gdje se prioriteti mijenjaju tijekom leta.
U praksi se ove metode primjenjuju u dvije velike skupine. Prva obuhvaća fazu razvoja, kada inženjeri traže najstabilniji i najisplativiji dizajn pogonskog sustava. Druga se odnosi na rad u letu, kada letjelica mora donositi brze odluke i prilagođavati se okolnostima u stvarnom vremenu.
Nuklearni pogoni ponovno u fokusu
Kako objašnjava istraživački tim Sveučilišta Sjeverne Dakote, predvođen profesorom Marcosom Fernandezom Tousom, izvanrednim profesorom na Odsjeku za svemirske studije, jedna od najambicioznijih ideja svakako je nuklearni pogon, bilo na temelju fisije ili fuzije. Fisija razdvaja teške atomske jezgre poput uranija i dobro je poznata tehnologija. Slični procesi pogone radioizotopne generatore koji već desetljećima rade na Voyager sondama. Fuzija spaja lake atome i oslobađa još više energije, no zahtijeva mnogo ekstremnije uvjete i zasad ostaje izvan dosega operativne primjene.
Nuklearni toplinski pogon mogao bi znatno ubrzati letove prema Marsu. U njemu se toplina koja nastaje u reaktoru prenosi na vodik, koji se potom širi kroz mlaznicu i proizvodi potisak. U šezdesetima je NASA testirala rane prototipove u sklopu programa NERVA, u kojima je gorivo bilo u obliku masivnih uranijskih blokova.
Kasniji koncepti koristili su keramičke kuglice ili prstenaste elemente s kanalima za hlađenje, a cilj je uvijek bio isti: što učinkovitiji prijenos topline na vodik.
To je matematički izuzetno složen problem. Broj mogućih geometrija, materijala, protoka i temperatura mjeri se u desecima tisuća kombinacija. Tu umjetna inteligencija preuzima ulogu, jer može analizirati ogroman broj konfiguracija i pronaći one koje daju najviši potisak i najstabilniji rad.
Kako UI pomaže u fuziji
Razvoj fuzijskih pogona jedan je od najzahtjevnijih pravaca moderne astronautike. Laboratoriji poput japanskog tokamaka JT-60SA istražuju fiziku plazme na impresivnim razmjerima, ali uređaji takve veličine i složenosti preveliki su za primjenu u svemirskim misijama. Zbog toga se pozornost sve češće usmjerava prema kompaktnim fuzijskim sustavima, među kojima se posebno izdvajaju uređaji tipa Polywell.
Polywell konstrukcije izgledaju poput šupljih kockastih okvira, velikih tek nekoliko centimetara. Unutar te geometrije stvaraju se magnetska polja koja zatvaraju plazmu i održavaju je u uvjetima potrebnim za pokretanje fuzijskih reakcija. Upravo ta kombinacija kompaktnosti i mogućnosti precizne kontrole čini ih privlačnim kandidatima za budući fuzijski pogon.
Upravljanje magnetskim poljima u ovakvim sustavima izuzetno je zahtjevno. Plazma mora ostati stabilna dovoljno dugo da se jezgre vodika mogu sudariti pri odgovarajućim energijama. I to je područje u kojem se umjetna inteligencija pokazuje iznimno korisnom. Sustavi učenja vođenog povratnom informacijom mogu analizirati ponašanje plazme u stvarnom vremenu, učiti kako spriječiti gubitke energije i optimizirati rad magnetskih zavojnica. Ako bi se ta kontrola jednom uspjela miniaturizirati i pouzdano stabilizirati, otvorio bi se put prema fuzijskom toplinskom pogonu, tehnologiji koja bi svemirske letove učinila bržima nego što je danas zamislivo.
Istodobno raste broj svemirskih platformi koje moraju mijenjati namjenu tijekom rada. Primjer je Lockheed Martinov satelit LM400, sustav koji može služiti za rano upozorenje, motrenje ili druge operativne zadaće ovisno o potrebama misije. Takva fleksibilnost stvara i dodatnu neizvjesnost: potrošnja goriva više se ne može točno predvidjeti unaprijed.
Koliko će pogona trebati u slučaju promjene prioriteta? Kako rasporediti energiju ako misija traje dulje od planiranog? Upravo tu dolazi do izražaja uloga umjetne inteligencije. Ona može u stvarnom vremenu procjenjivati opterećenja, predviđati potrošnju i upravljati raspoloživim resursima tako da letjelica uvijek ima dovoljno pogonske rezerve za najvažnije manevre.
Kao što ljudi iskustvom svladavaju složene vještine, tako i algoritmi postaju sve učinkovitiji nakon milijuna simuliranih situacija. Ta sposobnost prilagodbe razlog je zbog kojeg umjetna inteligencija sve snažnije ulazi u područje svemirskih pogona, bilo kroz optimizaciju postojećih tehnologija ili kroz razvoj sustava koji su još donedavno pripadali svijetu teorije.
Ivan je novinar i autor koji piše o znanosti, svemiru i povijesti. Gostuje kao stručni sugovornik na Science Discovery i History Channelu te piše za Večernji list. Osnivač je Kozmos.hr, prvog hrvatskog portala posvećenog popularizaciji znanosti.
