参考消息网12月27日报道 西班牙《机密报》网站12月15日刊登题为《人工智能正在改进太空火箭，并可能很快带来核动力引擎》的文章，作者为马科斯·费尔南德斯·托斯、普里蒂·奈尔、赛·苏密斯哈·古丹蒂和斯里吉特·维迪亚德兰·奈尔，内容编译如下：

  每年，企业和航天机构都会向太空发射数百枚火箭，而随着雄心勃勃的探月、登陆火星及更遥远任务的出现，这一数字预计将急剧增长。但这些梦想都取决于一个关键挑战：推进技术，即推动火箭和航天器前进所使用的方法。人工智能作为一种技术，已经开始提供一些必要的进展。

  机器学习是人工智能的一个分支，它能识别未经明确训练过的数据中的模式。这是一个广阔的领域，拥有自己的分支和众多应用。

  强化学习可以增强人类对那些挑战人类直觉极限的极其复杂系统的理解。它可以帮助确定前往太空任何位置的航天器的最有效轨迹，其方法是优化将飞船送达目的地所需的推进力。它还可能设计出更好的推进系统，从选择最佳材料，到创建能在发动机部件之间更高效传递热量的配置。

  就太空推进而言，强化学习通常分为两类：一类在工程师定义任务需求和系统能力时的设计阶段提供协助；另一类则为航天器在升空后的实时运行提供支持。在众多前沿且极具潜力的推进技术概念中，核推进技术无疑是备受瞩目的焦点。它利用的是驱动原子弹和为太阳提供能量的原理：核裂变和核聚变。

  裂变通过分裂铀或钚等重原子来释放能量，这是大多数地面核反应堆使用的原理。另一方面，聚变则是融合氢等较轻的原子以产生更多能量，尽管其启动条件要极端得多。

  裂变是一项较为成熟的技术，已在一些太空推进原型机中测试过。它甚至已以放射性同位素热电发电机的形式在太空中使用过，例如为“旅行者”探测器提供动力。但聚变仍是一个诱人的前沿领域。

  核热推进可能有朝一日以低于单纯燃烧燃料的成本，将航天器送往火星及更远的地方。它将比电推进(使用一种由带电粒子组成、称为等离子体的加热气体)更快到达目的地。

  与这些系统不同，核推进依赖于原子反应产生的热量。该热量被传递给推进剂(通常是氢气)，氢气膨胀后通过喷嘴喷出，产生推力并推动飞船前进。

  20世纪60年代早期的核热推进设计，如美国国家航空航天局的NERVA计划中的设计，使用棱柱形固体铀燃料块。此后，工程师们探索了替代配置，从陶瓷卵石床到带有复杂通道的开槽环。

  为什么会有这么多实验？因为反应堆将热量从燃料传递给氢气的效率越高，产生的推力就越大。

  正是在这里，强化学习被证明是至关重要的。优化燃料和推进剂之间的几何形状和热流是一个复杂问题，涉及无数变量，包括从材料特性到特定时刻流经反应堆的氢气的量。强化学习可以分析这些设计变化，并识别出能最大化传热的配置。我们可以将其想象成一个智能恒温器，不过是用于火箭发动机的。考虑到它达到的极端温度，我们绝对不会想靠得太近。

  强化学习在核聚变技术的发展中也起着关键作用。像日本的JT-60SA托卡马克这样的大型实验正在突破聚变能的极限，但其巨大的尺寸使其难以用于太空飞行。因此，研究人员正在探索紧凑型设计，如多面势阱。这些奇特的设备看起来像中空的立方体，宽度只有几厘米，它们通过磁场约束等离子体以创造聚变所需的条件。

  然而，强化学习的作用不止于设计。它可以帮助管理燃料消耗，这对于必须随机应变的任务是一项关键工作。从自行车到火箭，无论是人类还是机器，通过经验学习正在塑造太空探索的未来。随着科学家不断突破推进技术和智能的极限，人工智能在太空旅行中扮演着越来越重要的角色。它可以帮助科学家探索太阳系内外，并开启通往新发现的大门。（编译/韩超）