Solar Sail Interplanetary Transfer: Part II- Hybrid Layered Evolving Neural Network Based Global Optimization

Die Reise in den tiefen Weltraum wurde lange Zeit als eine Reise vorgestellt, die durch massive Tanks mit chemischem Treibstoff angetrieben wird – eine Methode, die begrenzt, wie viel Fracht ein Raumfahrzeug tragen kann und wie weit es fliegen kann. Eine elegantere Alternative ist das Sonnensegel, ein Antriebssystem, das überhaupt keinen Treibstoff benötigt. Anstatt Treibstoff zu verbrennen, fängt ein Sonnensegel den sanften Druck des Sonnenlichts auf, ganz so wie ein windbetriebenes Boot die Brise einfängt. Dieser kontinuierliche, erneuerbare Schub ermöglicht es einem Raumfahrzeug, über die Zeit zu beschleunigen und potenziell höhere Geschwindigkeiten zu erreichen sowie größere Nutzlasten zu transporten als herkömmliche Raketen. Das Planen einer Flugbahn für ein Sonnensegel ist jedoch eine gewaltige Herausforderung. Da das Segel ständig seinen Winkel anpassen muss, um das Licht der Sonne zu nutzen, beinhaltet das Finden des perfekten Pfades zu einem anderen Planeten das Lösen eines komplexen mathematischen Rätsels mit unzähligen Variablen. Traditionelle Methoden bleiben oft in lokalen Lösungen stecken und verpassen die wirklich beste Route, weil sie darauf basieren, mit einer Vermutung zu beginnen, die bereits sehr nah an der Antwort liegt.

Ein Forscherteam aus Malaysia, Japan und Russland hat einen neuen Weg entwickelt, um dieses Rätsel zu lösen, indem es die Lernfähigkeit künstlicher Intelligenz mit der durch Versuch und Irrtum geprägten Stärke evolutionärer Algorithmen kombiniert. In einer Studie, die sich auf das Senden eines Sonnensegels von der Erde zum Mars konzentrierte, entwickelten sie ein Hybridsystem, bei dem ein Computerprogramm als lernender Agent fungiert. Dieser Agent nutzt ein neuronales Netz, eine Art Computermodell, das vom menschlichen Gehirn inspiriert ist, um zu entscheiden, wie das Segel in jedem Moment der Reise gesteuert werden soll. Im Gegensatz zu älteren Methoden, die eine perfekte Startvermutung benötigen, lernt dieses System durch Evolution. Es generiert tausende potenzieller Flugbahnen und testet diese in einer Simulation, um zu sehen, welche am nächsten an das Ziel gelangt und dies in der kürzesten Zeit schafft. Die erfolgreichsten Pfade werden dann mithilfe eines lokalen Suchwerkzeugs weiter verfeinert, um die Details zu perfektionieren. Die Forscher fanden heraus, dass dieser Ansatz einen Flugpfad entdecken konnte, der signifikant schneller war als jene in bisherigen Studien gefunden wurden, wodurch die Reisezeit zum Mars im Vergleich zu den höchsten Schätzungen in der bestehenden Literatur um fast neunzehn Prozent verkürzt wurde.

Die Simulation demonstrierte eine Reise, bei der ein Sonnensegel, das in der Lage ist, eine spezifische Beschleunigung zu erzeugen, die Erde verließ und in weniger als 365 Tagen am Mars ankam. Dies war eine deutliche Verbesserung gegenüber den 400 bis 450 Tagen, die typischerweise für eine solche Mission unter Verwendung etablierter Methoden vorhergesagt werden. Das System fand nicht nur eine schnellere Route, sondern bestimmte auch das optimale Startdatum und lokalisierte ein Fenster Mitte Juli 2020 als den idealen Zeitpunkt für den Aufbruch. Während des gesamten Fluges passte die künstliche Intelligenz kontinuierlich die Ausrichtung des Segels an, indem sie es neigte, um das Sonnenlicht unter den effizientesten Winkeln einzufangen. Die resultierende Trajektorie war glatt und kontinuierlich und führte das Raumfahrzeug so zum Mars, dass es mit einer ausreichend geringen Relativgeschwindigkeit ankam, um vom Gravitationsfeld des Planeten erfasst zu werden. Der Endabstand zwischen dem Raumfahrzeug und dem Mars lag innerhalb des Einflussbereichs des Planeten, und die Relativgeschwindigkeit blieb weit innerhalb der Sicherheitsgrenzen für ein Rendezvous.

Über den Flugpfad selbst hinaus bot die Studie einen praktischen Einblick darin, welche Art von Raumfahrzeug diese Leistung tatsächlich erbringen könnte. Die Forscher analysierten die Beziehung zwischen der Größe des Segels, der Masse der Nutzlast, die es tragen kann, und der Leistung der Mission. Sie stellten fest, dass für ein Segel mit einer Seitenlänge von etwa 100 Metern, was als realistische Größe für zukünftige Technologien gilt, eine Nutzlast von etwa 10 Kilogramm erfolgreich zum Mars gebracht werden kann. Dies deutet darauf an, dass die Mission zwar anspruchsvoll, aber im Bereich des Möglichen für kleine, spezialisierte Sonden liegt. Die Studie bestätigt, dass Ingenieure durch die Verwendung dieses hybriden neuronalen Netzansatzes in der Lage sind, die komplexen, nicht-linearen Dynamiken des Sonnensegelns zu navigieren, um Lösungen zu finden, die zuvor unerreichbar waren, was die Tür für effizientere und leistungsfähigere interplanetare Missionen öffnet.