一个研究小组揭示了一种人工智能系统，旨在评估霍尔效应离子推进器，这是用于卫星和太空探测器的引擎。
霍尔推进器是太空任务中的关键技术，例如SpaceX的Starlink和NASA的Psyche小行星探险。这些设备是高效能的电推进系统，利用等离子体技术。来自KAIST的团队宣布，一种针对立方卫星的AI设计霍尔推进器将在KAIST霍尔效应火箭轨道器（K-HERO）立方卫星上发射。此次发射是即将到来的韩国发射载具任务的一部分，该任务被称为Nuri火箭（KSLV-2），预计在今年11月进行。
*等离子体代表了物质的四种状态之一，是在气体被加热到极高温度时生成的，导致电离为带电离子和电子。这种物质状态不仅在太空电推进中得到应用，还在半导体生产、显示技术和消毒设备中应用。
在2月3日，KAIST核与量子工程系电推进实验室在崔元浩教授的指导下，报告了在使用AI精确预测卫星和太空探测器中使用的霍尔推进器性能方面取得的突破。
霍尔推进器因其出色的燃料效率而闻名，能够使航天器和卫星以最小的推进剂实现显著的加速，同时相对于其能耗产生可观的推力。由于这些优势，霍尔推进器被广泛应用于各类太空任务，例如协调卫星星座、进行去轨操作以减少太空垃圾，并开展深空任务，如小行星探测。
随着太空行业在新太空时代的发展，对于针对不同任务量身定制的多功能霍尔推进器的需求正在上升。准确预测推进器性能从设计阶段开始，对于迅速开发高效、特定任务的霍尔推进器至关重要。
传统方法由于霍尔推进器内部复杂的等离子体动力学或其对某些条件的有限适用性面临挑战，导致预测精度不高。
团队提出了一种基于AI的性能预测方法，具有高精度，显著降低了设计、制造和测试推进器的迭代过程所需的时间和费用。自2003年以来，崔元浩教授的研究小组在韩国电推进技术的进步方面处于前沿。他们使用了一种集成神经网络模型来预测推进器性能，利用来自他们专有数值模拟工具的18,000个霍尔推进器训练实例的数据集。
这一专有的数值模拟工具旨在模拟等离子体物理和推力性能，对于产生质量高的训练数据至关重要。通过将模拟结果与十个KAIST霍尔推进器的实验结果进行比较，其可靠性得到了证实，平均预测误差小于10%。
