انسان در آستانه ترک زمین | یک رقابت بزرگ برای ساخت خانه جدید بشر در ماه

ماموریت استارلینگ(Starling) ناسا، سیستمی موسوم به فالکون(FALCON) را که به فضاپیماها اجازه می‌دهد بدون GPS ناوبری شوند، آزمایش می‌کند.

ماموریت «استارلینگ» ناسا اولین سیستم ناوبری در نوع خود را نشان داده است که به فضاپیماها اجازه می‌دهد موقعیت خود را در مدار با ردیابی سایر اشیاء در فضا به جای تکیه بر GPS تعیین کنند.

این سیستم از دوربین‌هایی که از قبل در فضاپیما نصب شده‌اند، برای شناسایی سایر اشیاء در مدار استفاده می‌کند. سپس این مشاهدات را با فهرستی از ماهواره‌های شناخته شده و زباله‌های مداری مقایسه می‌کند تا محل «استارلینگ» را مشخص کند.

این فناوری می‌تواند با دور شدن فضاپیما از زمین، اهمیت بیشتری پیدا کند. سیگنال‌های GPS برای ارائه ناوبری قابل اعتماد در اطراف ماه یا در اعماق فضا طراحی نشده‌اند و همین امر جایگزین‌های خودکار را برای ماموریت‌های آینده قمری و سیاره‌ای مهم می‌کند.

«فالکون» یک آزمایش پرواز مشترک بین ناسا و یک استارت‌آپ منشعب از دانشگاه استنفورد به نام EraDrive است. این نرم‌افزار پرواز Era-Core متعلق به EraDrive را با دوربین‌ها و کاتالوگ اشیاء فضایی داخلی Starling ترکیب می‌کند و به فضاپیما اجازه می‌دهد بدون تکیه بر شبکه ناوبری، اشیاء را هدایت و ردیابی کند. فضاپیما جهت خود را پیدا می‌کند

این آزمایش از دوربین‌های ردیاب ستاره Starling استفاده کرد که معمولاً با مشاهده اشیاء درخشان در فضا به تعیین جهت فضاپیما کمک می‌کنند. FALCON با شناسایی اشیاء مانند ماهواره‌ها و زباله‌های مداری، از این دوربین‌ها استفاده دیگری کرد.

این تیم یک کاتالوگ داخلی حاوی حدود ۲۰ هزار شیء فضایی و مدارهای پیش‌بینی‌شده آنها را بارگذاری کرد. FALCON این پیش‌بینی‌ها را با آنچه Starling مشاهده کرده بود، مطابقت داد و به آن اجازه داد تا موقعیت فضاپیما را تخمین زده و مکان‌های پیش‌بینی‌شده سایر اشیاء را بهبود بخشد.

این سیستم در طول یک دوره سه روزه، مدارهای شناخته‌شده بیش از ۲۰۰ شیء را بدون دخالت اپراتورهای روی زمین بهبود بخشید. ناسا می‌گوید که تخمین‌های داخلی از موقعیت اشیاء دقیق‌تر از داده‌های کاتالوگ موجود شده است.

این امر به آزمایش کاربردهایی فراتر از ناوبری می‌دهد. آگاهی بهتر از محل قرارگیری فضاپیماها و زباله‌های فضایی می‌تواند به نظارت بر ترافیک فضایی و جلوگیری از برخورد کمک کند، در حالی که تعیین موقعیت خودکار می‌تواند وابستگی به زیرساخت‌های زمینی را کاهش دهد.

راجر هانتر(Roger Hunter)، مدیر برنامه فضاپیماهای کوچک و سیستم‌های توزیع‌شده ناسا در مرکز تحقیقات ایمز ناسا در سیلیکون ولی کالیفرنیا، گفت: فالکون موفقیت دیگری برای ماموریت نمایشی استارلینگ است. نتایج فالکون می‌تواند پیامدهای گسترده‌ای برای نظارت بر ترافیک فضایی در مدار، جلوگیری از برخورد و ناوبری جایگزین داشته باشد. بنابراین تعداد «اولین‌ها» از استارلینگ همچنان در حال افزایش است. ماهواره‌هایی که داده‌های ناوبری را به اشتراک می‌گذارند

این فناوری همچنین می‌تواند زمانی که چندین فضاپیما با هم کار می‌کنند، مفیدتر شود. ناسا قصد دارد این آزمایش را در اواخر امسال با استفاده از Era-Core توسط گروه چهار فضاپیمای استارلینگ برای به اشتراک گذاشتن اطلاعات ردیابی و اصلاح جمعی موقعیت‌های خود گسترش دهد.

چنین قابلیتی می‌تواند از گروه ماهواره‌های آینده در اطراف ماه پشتیبانی کند، جایی که ممکن است چندین فضاپیما بدون دسترسی مداوم به سیستم‌های ناوبری مبتنی بر زمین نیاز به هماهنگی داشته باشند. همچنین می‌تواند به ماموریت‌های علمی توزیع‌شده کمک کند، جایی که موقعیت‌های دقیق فضاپیما برای ترکیب اندازه‌گیری‌های جمع‌آوری‌شده از مکان‌های مختلف مورد نیاز است.

ناوبری خودکار برای اکتشافات انسانی می‌تواند از فضاپیماهایی که در اطراف ماه یا مریخ فعالیت می‌کنند، پشتیبانی کند و در عین حال وابستگی آنها به شبکه‌های زمینی را کاهش دهد. همین سیستم‌ها همچنین می‌توانند به فضاپیماها کمک کنند تا تصویر دقیق‌تری از محیط مداری خود بسازند.

«استارلینگ» در سال ۲۰۲۳ پرتاب شد و توسط مرکز تحقیقات ایمز ناسا هدایت می‌شود و برنامه فضاپیمای کوچک و سیستم‌های توزیع‌شده این آژانس، بودجه و مدیریت ماموریت را بر عهده دارد.

قرار است این دو فضانورد امروز حدود ساعت ۸:۳۵ صبح به وقت منطقه زمانی شرقی آمریکا (EDT)، معادل ۱۶:۰۵ به وقت تهران برای یک ماموریت ۶.۵ ساعته از ایستگاه فضایی بین‌المللی (ISS) خارج شوند. این رویداد به‌ صورت زنده و با همکاری ناسا در وب‌سایت اسپیس پخش خواهد شد.  

به نقل از اسپیس، مقامات ناسا در توضیح این پیاده‌روی فضایی نوشته‌اند که آدنوت و منون قرار است یک آنتن ارتباطی فضا به زمین را در مجموعه مداری تعویض کنند. این آنتن یک ارتباط حیاتی است که ناسا از آن برای انتقال داده‌ها استفاده می‌کند و امکان برقراری ارتباطات پرسرعت میان مرکز کنترل ماموریت در هیوستون و ایستگاه فضایی را فراهم می‌کند.

این دومین پیاده‌روی فضایی منون خواهد بود. نخستین پیاده‌روی فضایی او با جسیکا میر، فضانورد ناسا، در روز ۶ اوت انجام شد. در جریان آن فعالیت خارج از فضاپیما (EVA)، یک حسگر دی‌اکسید کربن روی لباس فضایی منون «داده‌ای غیرمنتظره» نشان داد؛ مقامات ناسا در گزارشی که در ۷ اوت منتشر کردند، این موضوع را اعلام کردند.

این حسگر پس از آنکه منون لباس فضایی را از تن خارج کرد، به وضعیت عادی بازگشت؛ اما ناسا برای اطمینان از اینکه مشکل جدی وجود ندارد، زمان بیشتری صرف کرد. در نتیجه، این سازمان دومین پیاده‌روی فضایی منون را چند روز به تعویق انداخت؛ این ماموریت که ابتدا برای ۱۳ اوت برنامه‌ریزی شده بود، به امروز منتقل شد.

پیاده‌روی فضایی امروز، دویست‌وهشتادودومین پیاده‌روی فضایی در تاریخ طولانی ایستگاه فضایی بین‌المللی خواهد بود.

منون در روز ۱۴ ژوئیه با یک فضاپیمای روسی سایوز به مدار زمین رسید. آدنوت نیز که یکی از اعضای ماموریت کرو-۱۲ اسپیس‌ایکس است و این ماموریت در ماه فوریه به آزمایشگاه مداری رسید.

آدنوت نخستین فرانسوی‌ نخواهد بود که یک فعالیت خارج از فضاپیما (EVA) انجام می‌دهد. این عنوان به ژان-لوپ کرتین تعلق دارد که در سال ۱۹۸۸ خارج از ایستگاه فضایی میر متعلق به اتحاد جماهیر شوروی سابق، یک پیاده‌روی فضایی انجام داد. فضانوردان مرد فرانسوی دیگری از جمله فیلیپ پرن و توماس پسکه نیز بعدها خارج از ایستگاه فضایی بین‌المللی پیاده‌روی فضایی انجام دادند. اما آدنوت اولین فضانورد زن فرانسوی خواهد بود.

پسکه همچنین به نخستین فرد فرانسوی تبدیل شد که فرماندهی یک ماموریت ایستگاه فضایی بین‌المللی را بر عهده گرفت؛ او در اکتبر ۲۰۲۱ فرماندهی این ایستگاه را بر عهده گرفت.

شهرآرانیوز؛ پژوهشگران ناسا یک مدل هوش مصنوعی به نام COFFIES توسعه داده‌اند که می‌تواند با بررسی نشانه‌های بسیار ظریف در زیر سطح خورشید، محل شکل‌گیری مناطق فعال خورشیدی را پیش از آشکارشدن آنها روی سطح این ستاره پیش‌بینی کند. این مناطق فعال می‌توانند منشأ شراره‌های خورشیدی و فوران‌های عظیم ذرات موسوم به خروج جرم از تاج خورشیدی (CME) باشند.

این دستاورد اهمیت زیادی برای پیش‌بینی آب‌وهوای فضایی دارد؛ زیرا فوران‌های شدید خورشیدی می‌توانند ماهواره‌ها، ارتباطات رادیویی، سامانه‌های موقعیت‌یابی و حتی شبکه‌های برق روی زمین را تحت تأثیر قرار دهند. هوش مصنوعی چگونه فعالیت پنهان خورشید را پیدا می‌کند؟

مشکل اصلی دانشمندان این است که منطقه فعال خورشیدی در ابتدا در اعماق خورشید شکل می‌گیرد و تا زمانی که به سطح نرسیده باشد، مستقیماً قابل مشاهده نیست.

با این حال، حرکت میدان‌های مغناطیسی و پلاسمای درون خورشید اثرات بسیار ظریفی بر امواج صوتی و جریان‌های درونی خورشید ایجاد می‌کند. مدل COFFIES با استفاده از داده‌های مربوط به میدان‌های مغناطیسی و جریان‌های داخل خورشید تلاش می‌کند این نشانه‌های ضعیف را شناسایی کند.

در نتیجه، به جای اینکه دانشمندان منتظر ظاهرشدن لکه خورشیدی روی سطح بمانند، هوش مصنوعی می‌تواند نشانه‌های اولیه شکل‌گیری آن را از قبل تشخیص دهد. ۱۲ ساعت زمان اضافه برای پیش‌بینی طوفان خورشیدی

بر اساس نتایج اعلام‌شده توسط ناسا، COFFIES قادر است برخی مناطق فعال خورشیدی را تا حدود ۱۲ ساعت پیش از ظاهرشدن آنها روی سطح خورشید شناسایی کند.

این ۱۲ ساعت ممکن است در مقیاس زمانی فعالیت خورشید بسیار کوتاه به نظر برسد، اما برای سامانه‌های زمینی زمان ارزشمندی است.

اگر دانشمندان بتوانند احتمال شکل‌گیری یک منطقه فعال و سپس وقوع یک فوران را زودتر تشخیص دهند، اپراتورهای ماهواره‌ها و شبکه‌های ارتباطی می‌توانند اقدامات احتیاطی بیشتری انجام دهند.

البته باید یک نکته مهم را در نظر گرفت: این مدل مستقیماً وقوع یک طوفان خورشیدی که به زمین برخورد خواهد کرد را ۱۲ ساعت زودتر پیش‌بینی نمی‌کند. آنچه مدل در این مرحله پیش‌بینی می‌کند، شکل‌گیری مناطق فعال خورشیدی است؛ این مناطق ممکن است بعداً محل وقوع شراره‌های خورشیدی یا فوران‌های دیگر شوند. چرا طوفان‌های خورشیدی خطرناک هستند؟

خورشید دائماً ذرات و انرژی به فضا منتشر می‌کند، اما گاهی فعالیت آن به‌طور ناگهانی افزایش می‌یابد. یکی از مهم‌ترین رویدادها شراره خورشیدی است که می‌تواند تابش شدیدی تولید کند.

نوع دیگری از رویدادهای قدرتمند، خروج جرم از تاج خورشیدی یا CME است. در این پدیده حجم عظیمی از پلاسمای مغناطیسی با سرعت زیاد از خورشید به فضا پرتاب می‌شود.

اگر چنین ابری به سمت زمین حرکت کند، برخورد آن با میدان مغناطیسی زمین می‌تواند یک طوفان ژئومغناطیسی ایجاد کند.

طوفان‌های شدید ممکن است باعث اختلال در ارتباطات رادیویی، کاهش دقت GPS، ایجاد مشکل برای ماهواره‌ها و افزایش جریان‌های القایی در شبکه‌های برق شوند. همچنین می‌توانند باعث شکل‌گیری شفق‌های قطبی در مناطقی بسیار دورتر از قطب‌ها شوند. ناسا از داده‌های تلسکوپ خورشیدی برای آموزش AI استفاده کرده است

یکی از منابع مهم داده برای این پژوهش، مشاهدات رصدخانه دینامیک خورشیدی ناسا (SDO) است.

SDO سال‌هاست از خورشید تصویربرداری می‌کند و اطلاعاتی درباره میدان‌های مغناطیسی، حرکت مواد و فعالیت‌های سطحی و زیرسطحی خورشید در اختیار دانشمندان قرار می‌دهد.

مدل‌های یادگیری ماشین می‌توانند حجم بسیار بزرگی از این داده‌ها را بررسی کنند و الگوهایی را پیدا کنند که تشخیص آنها با روش‌های سنتی دشوار است. ناسا نیز طی سال‌های اخیر استفاده از یادگیری ماشین را برای بهبود پیش‌بینی آب‌وهوای فضایی دنبال کرده است.

در ادامه حتما بخوانید فضانوردان آرتمیس ۲ در «رد راکس»؛ جایی شبیه ماه و مریخ از خاطرات سفر به دور ماه گفتند در ادامه حتما بخوانید عکس روز ناسا | تاج طلایی‌رنگ خورشید یک مدل دیگر هم نشانه‌های خورشیدی را زودتر تشخیص می‌دهد

جالب اینکه تقریباً هم‌زمان، گروهی از پژوهشگران مؤسسه فناوری نیوجرسی (NJIT) نیز مدل هوش مصنوعی دیگری به نام EarlyDetect معرفی کرده‌اند.

این مدل با استفاده از داده‌های SDO توانسته است نشانه‌های شکل‌گیری مناطق فعال خورشیدی را به‌طور متوسط حدود ۹.۲۴ ساعت پیش از قابل مشاهده شدن آنها روی سطح خورشید شناسایی کند.

EarlyDetect به‌ویژه به تغییرات بسیار ظریف در امواج صوتی خورشید و میدان‌های مغناطیسی توجه می‌کند. این امواج مانند نوعی «ردپا» از فعالیت‌های درونی خورشید عمل می‌کنند. چرا پیش‌بینی زودهنگام اهمیت دارد؟

فناوری‌های مدرن به‌شدت به شرایط فضایی وابسته شده‌اند. هزاران ماهواره برای ارتباطات، اینترنت، موقعیت‌یابی، هواشناسی و تصویربرداری از زمین در مدار فعالیت می‌کنند.

یک طوفان خورشیدی شدید می‌تواند برای برخی از این سامانه‌ها مشکل ایجاد کند. بنابراین حتی افزایش چند ساعت در زمان هشدار می‌تواند فرصت بیشتری برای تصمیم‌گیری ایجاد کند.

برای مثال، در صورت دریافت هشدار مناسب، اپراتورها می‌توانند برخی فعالیت‌های حساس ماهواره‌ها را محدود کنند، وضعیت سامانه‌های ارتباطی را بررسی کنند یا برای اختلال احتمالی در ارتباطات و GPS آماده شوند. آیا هوش مصنوعی می‌تواند وقوع طوفان خورشیدی را دقیق پیش‌بینی کند؟

مدل‌های جدید یک گام مهم در جهت پیش‌بینی زودهنگام فعالیت خورشید هستند، اما نمی‌توانند با قطعیت بگویند یک منطقه فعال دقیقاً چه زمانی یک شراره قدرتمند یا CME ایجاد خواهد کرد و آیا این رویداد مستقیماً زمین را هدف خواهد گرفت یا خیر.

به همین دلیل، پژوهشگران همچنان در حال ترکیب مدل‌های هوش مصنوعی با داده‌های ماهواره‌ای، مدل‌های فیزیکی خورشید و سامانه‌های پیش‌بینی آب‌وهوای فضایی هستند.

در همین راستا، مأموریت PUNCH ناسا نیز در آزمایش اولیه خود توانسته است زمان رسیدن یک فوران خورشیدی به نزدیکی زمین را با خطایی حدود ۳۰ دقیقه پیش‌بینی کند؛ رویکردی که می‌تواند در کنار مدل‌های پیش‌بینی‌کننده فعالیت‌های خورشیدی، سامانه‌های هشدار آینده را قدرتمندتر کند. آینده پیش‌بینی طوفان‌های خورشیدی با هوش مصنوعی

ترکیب هوش مصنوعی و فیزیک خورشیدی می‌تواند در سال‌های آینده زمان هشدار درباره فعالیت‌های خطرناک خورشید را افزایش دهد.

اگر مدل‌های جدید بتوانند نه‌تنها شکل‌گیری مناطق فعال، بلکه احتمال وقوع شراره، قدرت آن، جهت حرکت CME و زمان احتمالی رسیدن آن به زمین را نیز با دقت بالاتری پیش‌بینی کنند، بشر می‌تواند برای نخستین بار به یک سامانه هشدار نسبتاً پیشرفته برای طوفان‌های فضایی دست پیدا کند.

دستاورد COFFIES ناسا در همین مسیر قرار دارد: استفاده از هوش مصنوعی برای پیدا کردن نشانه‌هایی که هنوز برای چشم انسان و ابزارهای معمول قابل مشاهده نیستند.