ترکیب فناوری یادگیری ماشین با ریاضیات قرن نوزدهم برای ساخت فضاپیماهای سبک‌تر و مقاوم‌تر

ما از این شبکه عصبی پیشرفته استفاده کرده و دانش ۲۵۰ ساله ریاضیات را به آن اضافه می‌کنیم و این به شبکه عصبی کمک می‌کند تا بهتر عمل کند.

تاریخ ویرایش: 4 شهریور ماه 1398

ریاضیدانان "مؤسسه پلی‌تکنیک ووستر" (Worcester Polytechnic Institute) آمریکا در مطالعه اخیرشان در حال ترکیب فناوری یادگیری ماشین با ریاضیات قرن نوزدهم هستند تا ساختار فضاپیماهای ناسا را تغییر داده و آنها را سبک‌تر و مقاوم‌تر سازند. این کار دو مزیت دارد، نخست اینکه فضاپیماها سریع‌تر به فضا می‌رسند و دیگر اینکه مقاومت آنها در برابر صدمات افزایش می‌یابد.

به گزارش ایسنا، آیا می‌دانستید که ریاضیات می‌تواند به ناسا کمک کند تا سریع‌تر به آن سوی هستی برسند؟ "رندی پفنروث" (Randy Paffenroth) ریاضیدان موسسه پلی تکنیک ووستر(WPI) در حال ترکیب فناوری یادگیری ماشین با ریاضیات قرن نوزدهم است تا بتواند فضاپیمای ناسا را سبک‌تر و مقاوم‌تر سازد.

هدف وی کشف نواقص موجود در نانومواد کربنی با استفاده از الگوریتمی که توسعه داده، است. زیرا از این مواد در ساخت مخازن سوخت موشک کامپوزیتی و سایر سازه‌های فضاپیما استفاده می‌شود. این الگوریتم امکان اسکن با وضوح بسیار بالا را فراهم می‌کند و در نتیجه تصاویر دقیق‌تری از یکنواختی و نواقص احتمالی مواد را ارائه می‌دهد.

ترکیب فناوری یادگیری ماشین با ریاضیات قرن نوزدهم برای ساخت فضاپیماهای سبک‌تر و مقاوم‌تر

پفرنورث به دنبال نقص در الیاف "میرالون" (Miralon®) است. این الیاف در اطراف سازه‌هایی مانند مخازن سوخت موشک پیچیده شده و به آنها قدرت تحمل فشارهای بالا را می‌دهند.

الیاف مذکور توسط "نانوکامپ" (Nanocomp) ساخته شده‌اند. این شرکت از یک سیستم اسکن اصلاح شده استفاده می‌کند. این سیستم نانومواد را برای "یکنواختی جمعی" (mass uniformity) و نواقص اسکن می‌کند.

اکنون پفرنورث و همکارانش در حال استفاده از فناوری یادگیری ماشین برای آموزش الگوریتم‌ها و افزایش وضوح این تصاویر هستند. آنها الگوریتمی را توسعه داده‌اند که وضوح تصاویر را تا ۹ برابر افزایش می‌دهد.

این الگوریتم جدید مبتنی بر "تبدیل فوریه" (Fourier Transform) ابزاری ریاضی طراحی شده در اوایل دهه ۱۸۰۰ است که می‌تواند برای تجزیه یک تصویر به تک‌تک اجزای آن استفاده شود.

پفرنورث گفت: ما از این شبکه عصبی پیشرفته استفاده کرده و دانش ۲۵۰ ساله ریاضیات را به آن اضافه می‌کنیم و این به شبکه عصبی کمک می‌کند تا بهتر عمل کند. تبدیل فوریه با تجزیه کردن داده‌هایی که تصویر را تشکیل می‌دهند، ایجاد یک تصویر با وضوح بالا را آسانتر می‌کند. ترکیب فناوری یادگیری ماشین مدرن با ریاضی کلاسیک بسیار هیجان انگیز است.

البته گفتنی است پیشتر نیز از الیاف میرالون آر با موفقیت در فضا استفاده شده است. به عنوان مثال الیاف مذکور اطراف کاوشگر "جونو" ناسا که در حال چرخش در مدار سیاره مشتری است، پیچیده شده است. اکنون نانوکامپ در حال تلاش برای ساخت الیاف میرالون آر است که مقاومت آنها سه برابر بیشتر است.

"باب کازونی"(Bob Casoni) مدیر کیفیت نانوکامپ گفت: اگر ناسا برای رسیدن به مریخ و بازگشت از آن نیاز به ایجاد یک سیستم موشکی جدید و به اندازه کافی قدرتمند داشته باشد، مجموعه‌ای از چالش‌های بزرگ را در پیش رو دارد. ناسا برای ساخت موشک‌هایی که سریع‌تر به فضا برسند نیاز دارد مواد بهتری را استفاده کند.

بیشتر بخوانید
تبلیغات
ایران سرور - خرید هاست دامین سرور هاست ابری
دیدگاه کاربران
فرستادن دیدگاه جدید