IN CHE MODO L’APPRENDIMENTO AUTOMATICO AIUTA A COSTRUIRE MISSILI SPAZIALI
Abbiamo visto l’apprendimento automatico che trasforma ogni campo che tocca. Anche il settore manifatturiero ha visto molte applicazioni di soluzioni basate sui dati. Costruire razzi è diverso da qualsiasi altro lavoro di fabbricazione.
Ad esempio, il costo e il tempo necessari per costruire un decente motore a razzo richiedono una moltitudine di variabili. Queste variabili influenzano la stabilità del motore e aiutano a valutare altri tali attributi. Un razzo è una combinazione di oltre 1.00.000 singole parti e apparecchiature elettroniche unite meticolosamente per resistere alle immense forze del nostro pianeta. Quindi, dove si inserisce l’IA? Può superare i metodi tradizionali di costruzione di missili?
Nella prossima sezione esamineremo alcune di queste soluzioni e quali implicazioni hanno:
Trovare stabilità del motore a razzo
Un gruppo di ricercatori dell’Università del Texas ad Austin sta sviluppando un framework basato sull’apprendimento automatico che si fonde nel calcolo scientifico attraverso una combinazione di modellazione fisica e apprendimento basato sui dati. Questi approcci ML verranno quindi utilizzati per costruire simulazioni – o ciò che chiamano – modelli di ordine ridotto o ROM, che possono quindi essere utilizzati per sperimentare diversi parametri di progettazione in una frazione di tempo.
Questi modelli di ordine ridotto aiutano ad accelerare il processo di progettazione e consentono di risparmiare un’enorme quantità di tempo per i progettisti.
Le loro tecniche mirano a trovare il design più stabile per il motore del razzo. La stabilità del motore di un razzo, che deve resistere a una varietà di variabili impreviste durante qualsiasi volo, è un obiettivo di progettazione fondamentale che gli ingegneri devono essere sicuri di aver incontrato prima che qualsiasi razzo possa decollare.
Accordare un motore a razzo con RL
Delle molte cose per cui ML poteva essere usato nel caso dei razzi, i loro motori sembravano essere i preferiti dalla folla. Le prestazioni di un razzo si riducono a quanto è buono il motore. Un team di ingegneri del programma Insights Fellow ha scelto un percorso più elaborato per migliorare i motori.
Hanno utilizzato approcci di apprendimento di rinforzo (RL) per ridurre i tempi di analisi. RL è stato applicato per creare una soluzione di grande impatto, una politica di controllo per i motori che sia buona come raccomanderebbero gli ingegneri di controllo decenti. Si ritiene che si tratti di diversi mesi di tentativi ed errori, e porta il missile sul launchpad molto prima di quello che serve per i metodi tradizionali.
Utilizzo della stampa 3D combinata con AI
Finora, abbiamo discusso di come l’apprendimento automatico viene utilizzato per analizzare i risultati e raccomandare quelli ottimali alla post-produzione di un apparato. Ma gli ingegneri di Relativity Space hanno intrapreso un percorso più ambizioso e hanno applicato ML per monitorare la produzione di serbatoi di propellente e altri oggetti di grandi dimensioni. E producono questi grandi corpi metallici usando tecniche di stampa 3D!
Oltre alla Relatività, ci sono aziende come SpaceX, Blue Origin, Rocket Lab che utilizzano tecniche di stampa 3D per stampare parti selezionate, ma la scala con cui usano la stampa AI e 3D non ha precedenti.
La relatività sembra essere la prima e finora l’unica azienda che ha unito i vantaggi della robotica intelligente, del software e della tecnologia di stampa 3D in metallo proprietaria per automatizzare la produzione aerospaziale.
Queste stampanti utilizzano una diversa tecnica di stampa, in cui un laser salda insieme strati di polvere di acciaio inossidabile ultra fine.
In una recente intervista con Wired , il co-fondatore di Relativity ha parlato di come stanno usando l’IA per migliorare il loro processo di produzione. Spiegò come l’intelligenza artificiale dice alla stampante cosa fare. Prima di una stampa, viene eseguita una simulazione di come dovrebbe essere la stampa. Mentre queste ampie braccia robotiche si muovono con grazia per depositare metallo, una suite di sensori acquisisce dati visivi, ambientali e persino audio. Il software di Relativity confronta quindi i due per migliorare il processo di stampa.
Insieme all’uso sopra menzionato, l’uso dell’IA per l’esplorazione dello spazio si estende ben oltre i garage. Ora vengono utilizzati da artisti del calibro della NASA per esplorare galassie e stelle. Anche il famoso rover Mars Curiosity è dotato di un toolkit AI, che testa autonomamente i campioni di roccia senza intervento umano. Dalla risoluzione dei problemi computazionali della fluidodinamica all’atterraggio dei missili, dai computer ai launchpad alle missioni extraterrestri, l’IA si è trovata in ogni fase del processo di costruzione dei missili.