Solar Sail Interplanetary Transfer: Part I - Earth-Mars Rendezvous Using Evolutionary Neural Network

심우주 탐사는 오랫동안 화학 로켓, 즉 연료를 태워 우주선을 앞으로 밀어낸 뒤 나머지 여정 동안은 관성으로 나아가는 거대한 엔진의 게임이었습니다. 하지만 연료가 전혀 필요 없는 다른 종류의 추진력이 등장했습니다. 추진제를 태우는 대신, 이 우주선들은 햇빛 자체의 압력을 이용합니다. 우주에 떠 있는 거대하고 빛나는 거울을 상상해 보십시오. 태양에서 온 광자가 그 표면에 부딪히면서 아주 적은 양의 운동량을 전달하고, 이것이 우주선을 앞으로 밀어냅니다. 이것이 바로 솔라 세일(태양 돛)입니다. 최근 몇 년간 일본, 미국 및 기타 기관들의 임무를 통해 이 개념이 테스트되었지만, 이 부드럽고 지속적인 밀어냄을 다른 행성으로 향하는 정밀한 경로로 바꾸는 것은 여전히 만만치 않은 과제로 남아 있습니다. 관련된 수학은 믿기 힘들 정도로 복잡하며, 전통적인 컴퓨터가 완벽한 경로를 찾는 것을 어렵게 만드는 비선형적인 뒤틀림으로 가득 차 있습니다. 만약 우주선이 목표 지점에서 아주 작은 차이로라도 빗나간다면, 영원히 목표물을 지나쳐 떠내려갈 수 있습니다.

이를 해결하기 위해 연구자 레누간스 바라타라주(Renuganth Varatharajoo), 아미룰 피크리 압둘라(Amirul Fiqri Abdullah), 그리고 유리 라줌니(Yury Razoumny)는 이러한 여정을 계획하는 새로운 방법을 개발했습니다. 그들은 두 가지 강력한 도구를 결합했는데, 하나는 자연 선택 과정을 모방하여 수천 가지의 가능한 해결책을 테스트하는 진화 알고리즘이고, 다른 하나는 인간의 뇌에서 영감을 받아 의사 결정을 학습할 수 있는 유형의 컴퓨터 프로그램인 신경망입니다. 연구에서 그들은 이 하이브리드 시스템이 솔라 세일을 지구에서 화성까지 안내할 수 있는지 확인하고자 했습니다. 그들은 물리적인 배를 만든 것이 아니라, 태양계의 상세한 디지털 시뮬레이션을 만들었습니다. 이 가상 환경에서 그들은 컴퓨터에게 솔라 세일의 조향 각도를 찾아 화성에 도달할 때 행성과 만날 수 있는 정확한 속도와 위치로 도착하도록 과제를 부여했습니다. 목표는 우주선이 목표물보다 너무 멀리 지나치거나 너무 뒤처지지 않도록 보장하면서, 도착하는 데 걸리는 시간을 최소화하는 것이었습니다.

연구진은 다양한 성능 수준을 가진 솔라 세일을 나타내는 세 가지 서로 다른 조건에서 이 방법을 테스트했습니다. 첫 번째 시나리오는 강한 밀어냄을 생성할 수 있는 매우 효율적인 솔라 세일을 사용했습니다. 이 경우, 컴퓨터는 우주선을 400일도 채 되지 않는 시간에 화성에 데려다주는 경로를 성공적으로 그려냈습니다. 두 번째 테스트는 첫 번째의 절반 성능을 가진 솔라 세일을 사용했습니다. 이는 더 어려웠으며, 컴퓨터가 경로를 찾기 위해 더 많이 노력해야 했고 여정은 거의 600일이 걸렸습니다. 마지막이자 가장 도전적인 테스트는 첫 번째 추진력의 아주 작은 부분만을 생성하는 매우 낮은 성능의 솔라 세일을 포함했습니다. 여기서 여정은 거의 2,400일까지 늘어났습니다. 이러한 결과는 시스템이 우주선이 매우 약할 때도 해결책을 찾을 수 있음을 보여주었지만, 목적지에 도달하는 데 훨씬 더 많은 시간이 필요함을 보여주었습니다.

그들의 발견의 핵심적인 부분은 컴퓨터가 어떻게 항해를 학습하는가와 관련되어 있었습니다. 연구진은 컴퓨터가 진행 상황을 확인하는 데 사용하는 데이터 포인트의 수가 매우 중요하다는 것을 발견했습니다. 체크포인트의 수가 적을 때 컴퓨터는 경로를 빠르게 찾을 수 있었지만, 도착의 정밀도는 떨어졌습니다. 체크포인트의 수를 늘리면 컴퓨터는 더 미세한 조정을 할 수 있어 도착 속도의 정확도를 높일 수 있었습니다. 그러나 그들은 트레이드오프(상충 관계)가 있음을 발견했습니다. 체크포인트 수를 늘리는 것이 항상 전체 미션을 더 좋게 만드는 것은 아니었습니다. 어떤 경우에는 도착 속도를 개선하면 우주선이 행성으로부터 약간 더 나쁜 거리에 도착하거나 총 여행 시간이 증가하기도 했습니다. 시스템은 설정 방식에 따라 하나의 목표를 다른 목표보다 우선시하는 것처럼 보였습니다. 이는 모든 임무에 적용되는 단 하나의 "완벽한" 설정은 없다는 것을 시사합니다. 대신, 임무 설계자들은 정밀도에 대한 요구와 가용 컴퓨팅 능력, 그리고 특정 여행의 요구 사항 사이에서 균형을 잡아야 합니다.

이 연구는 진화 신경망 접근 방식이 솔라 세일 항해라는 복잡한 퍼즐을 해결하는 실행 가능한 방법임을 입증합니다. 컴퓨터가 방대한 범위의 가능성을 탐색하고 자신의 실수로부터 배우게 함으로써, 전통적인 방식으로는 놓칠 수 있는 경로를 찾을 수 있게 합니다. 연구진은 이 방법이 낮은 성능의 솔라 세일이 있는 경우에도 화성 여행에 효과적이며, 다양한 임무 제약 조건에 적응할 수 있음을 보여주었습니다. 현재 결과는 컴퓨터 시뮬레이션에 국한되어 있지만, 이 프레임워크는 유연하게 설계되었습니다. 이는 다른 행성이나 소행성으로의 임무에도 잠재적으로 적용될 수 있으며, 태양의 힘을 사용하여 태양계를 여행하고자 하는 미래의 탐험가들에게 새로운 도구를 제공할 수 있습니다. 이 연구는 적절한 계산 도구가 있다면, 햇빛의 부드러운 밀어냄을 활용하여 세계들 사이의 광활한 거리 너머로 우주선을 안내할 수 있음을 확인시켜 줍니다.