EVERYTHING
За даними Frontiersin, науковці вивчають проблему обмеженої еліптичної задачі Ламберта — ключового завдання у попередньому проектуванні космічних місій. Коли інженери визначають параметри переміщення між орбітами з урахуванням фіксованого часу польоту, вони стикаються з незворотними рівняннями, які традиційно вирішуються ітераційними методами. Хоча класичні солвери забезпечують високу точність, їх повторне застосування для оцінки тисяч варіантів траєкторій у багатовимірних пошукових просторах стає критичним обмеженням швидкості розрахунків.
Геометрична нормалізація як ключ до навчання моделей
Основна складність створення нейронних суррогатів для задачі Ламберта полягає в тому, що різні геометрії переміщення створюють різні допустимі діапазони значень рішень. Це означає, що модель має враховувати не лише саму функцію відображення, а й те, як змінюється область її дії від одного випадку до іншого. Для вирішення цієї проблеми автори пропонують метод геометрично-орієнтованої нормалізації.
Замість того щоб збільшувати складність архітектури нейронних мереж, підхід спрямовує зусилля на перетворення різноманітних випадків переміщення у спільне канонічне представлення. Це дозволяє регуляризувати зворотну мапу для навчання суррогатів. У дослідженні порівнювалися три типи архітектур:
- Багатошарові перцептрони (MLP);
- DeepONet;
- Мережі Колмогорова-Арнольда (KAN).
Результати тестування показали, що MLP демонструє найвищу точність прогнозування серед усіх розглянутих моделей. Водночас структуровані архітектури DeepONet та KAN надають альтернативний погляд на нормалізований простір рішень.
Практичне застосування в міжпланетних польотах
Ефективність запропонованого методу була перевірена на практичних кейсах польотів Земля–Марс та багатопланетних польотів з використанням гравітаційних маневрів. Нейронні суррогати успішно зберегли основні характеристики класичних рішень і допомогли виявити перспективні зони переміщення. Такий підхід дозволяє інженерам швидше досліджувати ландшафт можливих траєкторій, відсікаючи нерентабельні варіанти на ранніх етапах проектування місій.
Використання геометрично-орієнтованих суррогатів відкриває шлях до створення швидших інструментів для глобального пошуку оптимальних маршрутів у космічному просторі.