AI向中国的使命推动太阳系的边缘

赫尔辛基研究人员正在研究人工智能技术如何支持计划中的中国任务到太阳系的边界。

该论文说，人工智能可以帮助解决太阳系边缘的独特挑战，包括未知环境，复杂的任务动态，多样化的科学有效载荷，不确定的勘探目标，长期检测距离和较长的沟通延迟，有限数据速率。

据中国深空探索实验室（DSEL）等机构的作者说，AI可以通过协助数据处理，自主感知和决策和有效的计算来增强自主权并减少对地球的依赖，并减少对地球的依赖。，以及上海太空飞行技术学院（SAST）。该论文发表在《深空探索杂志》上。

中国太空官员此前曾表示向地球球的头部和尾部任务正在考虑到2049年达到100个天文单元（相当于平均太阳距离）的距离。长期目标是到本世纪末达到1000 au。

根据先前的报道，该任务将使用木星的flybys，并可能访问外部太阳能系统中的其他行星和kuiper带对象。科学目标包括研究星际尘埃，星际介质以及现象，例如异常的宇宙射线以及在太阳系和星际空间边界处的氢壁。暂定有效载荷包括一系列光相机，灰尘和粒子分析仪，光谱仪和磁力计。

中国国家太空管理局在2020年正式组织并启动了针对太阳系边界勘探项目实施计划的演示，研究任务的计划包括在2021年中国最新的太空白皮书中。探索在长期太空科学路线图于10月出版。

但是，关于该任务的官方更新很少。该论文于2024年底发表，提供了一些间接的更新，同时瞥见了计划任务。中国以前曾以有限的方式在空间上使用了AI，例如在最近的张E-6任务样本返回任务中。一个微漫游者使用AI拍摄图像在月球远端的着陆器。也可以用于流浪者关于未来的ChangâE-8 Lunar South Pole任务。NASA有还在太空探索中使用了AI，例如嵌入毅力火星漫游者中。

太阳系边界探索的AI

根据论文的说法，人工智能在中国的太阳系边界探索计划中起着至关重要的作用，增强了航天器的自治，并减少了对基于地球的控制的依赖。” 

AI驱动的数据处理可以有助于确保航天器仅传输基本信息，并在较长的距离和受限的数据速率下。AI驱动的数据清洁还可以在传输前消除错误和不一致，而数据融合则结合了来自多个传感器的输入以提高准确性。此外，基于AI的数据压缩技术（例如使用自动编码器）通过仅识别和编码最关键的信息来减少数据量，这可能会大大减少发送回地球的信息量而不会丢失关键细节，这是距离远距离的重要能力参与此类任务。 

AI还可以实现自主感知，从而使航天器能够有效感知并建模未知环境。通过采用先进的AI算法，航天器可以自主检测并对罕见但科学上有价值的事件做出反应，例如太阳风暴或小行星的影响。作者认为，深层卷积神经网络可以有效地改善用于图像处理的多源检测数据融合处理的性能。此外，AI驱动的探测健康监测系统可以连续评估硬件状态，从而预测潜在的失败以确保任务的寿命和可靠性。

另一个可能的好处是由AI提供支持的自主决策能力，可以进一步增强任务弹性。AI驱动的导航和控制系统可以优化轨迹，并通过最少的基于地球的干预进行课程调整。利用AI的任务计划系统，例如加固学习（RL），以基于环境反馈的反馈来实现自主决策和实时任务计划。有限利用有限的资源。此外，基于AI的故障管理系统将实时诊断和自我校正航天器故障，增强任务安全性，而无需在地球和遥远的航天器之间进行来回延迟，而没有大量的轻度延迟。

同时，有效的计算可以改善板上航天器上有限的加工功率的挑战。作者指出，一种AI辅助方法可以强调开发需要最少计算资源的轻量级AI算法，从而确保它们在深空中的有效部署。

仅向太阳系或Heliopause的边缘发射了少数航天器。其中包括先锋10和11，Voyager 1和2，星际边界探险家（IBEX）和New Horizo​​ns Mission。中国显然是利用人工智能来实现其太阳系边界任务的意图，强调了AI在太空探索中的重要性，强调了这种尖端技术如何增强深空中的任务能力。