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

长期以来，深空探测一直是一场化学火箭的游戏，即利用巨大的引擎燃烧燃料来推动航天器前进，随后在余下的旅程中依靠惯性滑行。但一种不同的推进方式已经出现，它完全不需要燃料。这些航天器不再通过燃烧推进剂，而是利用阳光本身的压力。想象一面漂浮在太空中的巨大、闪烁的镜子；当来自太阳的光子撞击其表面时，它们会传递微小的动量，从而推动航天器前进。这就是太阳帆。尽管日本、美国和其他机构在近年来的任务中已经测试了这一概念，但如何将这种温柔且持续的推力转化为通往另一颗行星的精确路径，仍然是一个艰巨的挑战。其中涉及的数学计算极其复杂，充满了非线性扭转，使得传统计算机难以找到完美的路线。如果航天器即便只偏离了极小的幅度，也可能永远漂离目标。

为了解决这个问题，研究人员 Renuganth Varatharajoo、Amirul Fiqri Abdullah 和 Yury Razoumny 开发了一种新的航行规划方法。他们结合了两种强大的工具：一种是模拟自然选择过程以测试数千种可能解的进化算法，另一种是受人脑启发、能够学习决策的计算机程序——神经网络。在他们的研究中，他们旨在观察这种混合系统是否能引导太阳帆从地球前往火星。他们并没有建造一艘实体飞船；相反，他们创建了一个详细的太阳系数字模拟环境。在这个虚拟环境中，他们要求计算机寻找太阳帆的最佳转向角度，以抵达火星，并确保以正确的速度和位置与行星会合。目标是在确保航天器不会飞得离目标太远或太慢的情况下，尽可能缩短到达所需的时间。

研究人员在三种不同的条件下测试了他们的方法，这些条件代表了性能各异的太阳帆。第一种情景使用了一面高效的帆，它可以产生强大的推力。在这种情况下，计算机成功规划出一条航线，在不到 400 天的时间内将航天器带到了火星。第二项测试使用了一面性能减半的帆。这变得更加困难，需要计算机付出更多努力来寻找路径，旅程耗时近 600 天。最后，也是最具挑战性的测试涉及一面性能极低的帆，其产生的推力仅为第一种帆的一小部分。在这种情况下，旅程延长到了近 2,400 天。这些结果表明，即使在航天器动力非常微弱的情况下，该系统也能找到解决方案，但到达目的地所需的时间显著增加。

他们发现的一个关键点涉及计算机如何学习导航。研究人员发现，计算机用于检查进度的观测数据点数量至关重要。当使用较少的检查点时，计算机可以快速找到路径，但抵达时的精度较低。当增加检查点数量时，计算机可以进行更精细的调整，从而提高抵达速度的准确性。然而，他们也发现了一种权衡关系。增加检查点数量并不总是能让整个任务变得更好。在某些情况下，提高抵达速度意味着航天器抵达时的距离会略微偏离目标，或者总旅行时间会增加。系统似乎会根据其设置的不同，在不同目标之间进行取舍。这表明不存在适用于所有任务的单一“完美”设置；相反，任务规划者必须在精度需求、可用计算能力以及行程的具体要求之间进行平衡。

这项研究证明，这种进化神经网络方法是解决太阳帆导航这一复杂谜题的一种可行途径。通过允许计算机探索广泛的可能性并从错误中学习，它能够找到传统方法可能错过的路线。研究人员展示了该方法在处理前往火星的任务时表现良好，即使是对于低性能的太阳帆也是如此，并且它可以适应不同的任务约束。虽然目前的结果仅限于计算机模拟，但该框架被设计得非常灵活。它有可能被改编用于前往其他行星或小行星的任务，为未来希望利用太阳力量在太阳系中穿行的探索者提供一种新工具。这项工作证实，只要拥有合适的计算工具，就可以利用阳光那温柔的推力，引导航天器跨越世界间的广袤距离。