目前進軍火星的兩股核心力量是NASA與SpaceX,但雙方雖然在國際空間站任務中密切合作,卻對載人火星任務有著截然不同的思路。
尺寸很重要
最大的挑戰(zhàn)(或者說限制)在于確定火星旅行所需要的有效載荷,即航天器本體、人員、燃料與補給的總質(zhì)量。
我們向太空發(fā)射的一切物體,在本質(zhì)上是將所對應的質(zhì)量送入空間軌道。但有效載荷質(zhì)量只占運載火箭總質(zhì)量中的一小部分。
例如,將阿波羅11號發(fā)射到月球上的土星五號火箭總重量達3000噸。
但它能夠送入近地軌道的質(zhì)量則僅有140噸(相當于初始發(fā)射質(zhì)量的5%),實際被發(fā)射至月面上的質(zhì)量進一步縮減為可憐的50噸(不足初始發(fā)射質(zhì)量的2%)。
質(zhì)量直接限制了火星飛船的尺寸以及在太空中所能完成的動作。每一次制動操作都需要啟動火箭發(fā)動機并消耗燃料,而燃料本身也要占用掉大量寶貴的航天器載荷。
SpaceX的計劃是讓載人星際飛船通過獨立發(fā)射的“油輪”完成空中加油,這意味著我們可以一次性將更多燃料送入軌道,不再受限于火箭單次所能運載的燃料質(zhì)量。
時間很重要
與燃料問題同等重要的另一大挑戰(zhàn),則是時間。
非載人航天器在前往其他星球之前,往往會繞著太陽以復雜的軌跡運行,這是為了借助所謂“引力彈弓”效應經(jīng)由各星體的引力積累動能,最終獲得最經(jīng)濟的太空航行效率。
這確實能省下大量燃料,但往往需要數(shù)年時間才能抵達目的地。對載人航天器來說,這種老辦法顯然不那么靠譜。
地球與火星都擁有近圓形軌道,而在兩顆行星之間最節(jié)約燃料的旅行方式就是霍曼轉(zhuǎn)移。簡單來講,航天器只需要進行一次引擎推進,就能從當前行星軌道轉(zhuǎn)移至另一行星的軌道當中。
但地霍曼轉(zhuǎn)移的方式由地球抵達火星,共需要259天(相當于8到9個月);而且由于地球與火星圍繞太陽的公轉(zhuǎn)軌道不同,每兩年才會出現(xiàn)一次最佳變軌時機。
航天器當然可以縮短抵達火星的航程(SpaceX號稱六個月就能抵達),但大家肯定想得到,這樣就得消耗更多燃料。
安全著陸
假如我們的航天器和機組人員順利抵達火星,接下來還有著陸這個大麻煩擺在面前。
進入地球時,航天器會利用與大氣層相互摩擦所產(chǎn)生的阻力完成減速,確保本體能夠安全地降落在地球表面(前提是材料能夠承受摩擦產(chǎn)生的高溫)。
但火星上的大氣密度只相當于地球大氣的百分之一,這意味著摩擦產(chǎn)生的阻力也小得多,航天器也必然會以更大的速度朝著火星表面下墜。
此前的非載人航天器曾經(jīng)采用過安全氣囊方案(例如NASA的探路者計劃),也有項目采用反向推進器(NASA的鳳凰計劃),但后一種還是會消耗掉更多燃料。
火星上的生命維持
火星上的一天有24小時37分,但這也是火星上唯一與地球相似的環(huán)境屬性了。
由于大氣極度稀薄,火星大氣層無法像地球那樣維持住熱量,因此生命必須想辦法適應火星表面晝夜循環(huán)之間的極端溫度變化。
火星上的最高溫度為30℃,聽起來頗為宜人;但這里的最低溫度為-140℃,平均溫度則為-63℃。作為參考,地球上南極冬季的平均氣溫約為-49℃。
所以我們必須慎重選擇火星上的具體著陸點,并考慮該如何適應如此夸張的夜間低溫。
火星上的重力相當于地球的38%(所以您會感覺行動更輕松),但空氣的主要組成為二氧化碳加少量(百分之幾)氮氣,人類完全沒辦法直接呼吸。我們需要建造一套氣候控制系統(tǒng)才能獲得穩(wěn)定的生存環(huán)境。
SpaceX計劃分多次發(fā)射貨運航天器,將溫室、太陽能電池板等關(guān)鍵基礎(chǔ)設施分批送上火星。有了這些裝置,隨后抵達的人類就能在火星表面生產(chǎn)能源、為返回地球積累寶貴的燃料。
在火星上維持生命活動完全可行,而且我們已經(jīng)在地球上進行過多輪模擬試驗,探索人類該如何適應這顆紅色星球的現(xiàn)實條件。
重返地球
最后的挑戰(zhàn)自然是啟動航程,將人們安全送回地球。
阿波羅11號當初是以約每小時4萬公里的速度沖入地球大氣層——略微低于脫離地球軌道所需要的速度。
而從火星返回的航天器將擁有47000公里到54000公里不等的載入速度,具體取決于其通過哪條軌道抵達地球上空。
在進入地球大氣層之前,航天器會通過減速以每小時28800公里左右的速度進入環(huán)地軌道,這一階段的減速同樣需要以消耗燃料的方式完成。
只要以上各個環(huán)節(jié)順利完成,接下來地球大氣會接手完成后續(xù)減速。這事我們很有經(jīng)驗,只要航天器外殼不要過熱、下落速度不要太多,親愛的宇航員們就能安全回歸地球家園。
這就是我們在征服火星時面臨的幾大核心挑戰(zhàn)。好消息是,達成這項目標的所有底層技術(shù)都已存在;壞消息是,我們還得投入大量時間與金錢才能把這些技術(shù)要素整合起來。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。