A NASA fejlett struktúrái a generatív tervezés használatával segítik az új űrmissziókat

A NASA a generatív tervezésnek köszönhetően gyorsabb, olcsóbb és könnyebb fejlett szerkezeteket hozhat létre - és talán még a marsi élet bizonyítékát is képes megtalálni.

 

 

A NASA a generatív tervezés segítségével könnyebb és erősebb alkatrészeket hoz létre az űrmissziókhoz, többek között a „Mars Sample Return Mission” küldetéshez, amelyben egy marsjáró segítségével kőzetmintákat gyűjtenek.

• A generatív tervezés mesterséges intelligenciát használ arra, hogy egy adott műszaki követelményrendszer alapján gyorsan megtalálja a legoptimálisabb tervet.
• A generatív tervezés ideálisan alkalmazható az űrkutatásban, mivel segít a mérnököknek olyan terveket létrehozni, amelyek jelentősen könnyebbek - ami az űrmissziók pénzügyi és tudományos korlátai miatt kulcsfontosságú.
• A NASA és mérnöki partnerei a generatív tervezés segítségével újszerű megoldásokat hoznak létre olyan tömegérzékeny küldetésekhez, mint az EXCITE (EXoplanet Climate Infrared TElescope) és a „Mars Sample Return Mission”.
•  

A világűr tele van lenyűgöző jelenségekkel, az ősi fekete lyukaktól és a bolygóktól kezdve egészen a szupernóvákig és az antianyagig. Az átlagos földlakó számára azonban az űr egyik leginkább magával ragadó aspektusa az egyik legkevésbé titokzatos: a súlytalanság.

Technikailag létezik gravitáció az űrben. Az űrhajósok azonban nem érzik ennek hatását, mert az a távolsággal együtt gyengül. Minél messzebb kerülünk a földtől, annál jobban eltávolodunk a Föld gravitációs vonzásától.

A Nemzetközi űrállomás esetében - amely számos űrrajongót szórakoztatott már szaltózó, nyitott szájjal lebegő ételeket fogó űrhajósok képeivel - a gravitáció nélküli érzés abból a tényből fakad, hogy a benne tartózkodók szabadesésben vannak: Az űrállomás, annak legénysége és az abban lévő tárgyak azonos sebességgel zuhannak a Föld felé az űrből, ami azt a látszatot kelti, mintha lebegnének. A bolygó körüli keringés a bolygónak történő tényleges ütközés nélkül lehetséges, mivel az űrállomás nagy sebességgel halad, ami egy olyan ívelt pályát biztosít, amely pontosan megfelel a Föld görbületének.

Ha belegondolunk, a súlytalanság iránti megszállottság meglehetősen ironikus. Noha az űrben lévő tárgyak látszólag a földi fizika törvényeinek figyelembe vétele nélkül léteznek, a gépészmérnökök tudják, hogy a tömeg valójában az egyik legfontosabb szempont az űrhajók tervezése során

„Az űrrepülés világában a tömeg egyenlő a költséggel” - mondja Alex Miller, a Newton | Engineering and Product Development vezető gépészmérnöke.

Az űreszközöknek és azok alkatrészeiknek a költséghatékony indítás, az üzemanyag- és energiahatékonyság, valamint a szerkezeti integritás biztosítása érdekében könnyűnek kell lenniük, nem is beszélve a missziós képességekhez szükséges maximális műszerezettségéről.

A tömeg csökkentése azonban nem egyszerű feladat. A könnyű űrhajók tervezésének megkönnyítése és felgyorsítása érdekében a NASA és az olyan vállalatok, mint a Newton, egy egyedi, mesterséges intelligenciával (AI) működő eszközhöz fordulnak: a generatív tervezéshez.

 

Generatív tervezéssel a fejlődésért

Ami lehetséges

A generatív tervezés a fizikán és számos gyártásérzékeny optimalizációs algoritmuson alapul, amelyek együttesen számos olyan megoldást generálnak, amelyek megfelelnek a felhasználó által meghatározott probléma-definíciónak és követelményeknek. Az algoritmusok által felvett paraméterek részletes mérnöki követelmények, az általuk előállított termékek pedig a kész tervek, amelyeket Ryan McClelland, a NASA kutatómérnöke „fejlett struktúráknak” nevez.

 

Ryan McClelland, a NASA kutatómérnöke, kezében egy 3D-nyomtatott titán szerkezeti tartóval. A NASA/Henry Dennis jóvoltából.

 

„Kissé idegenszerűen és furcsán néznek ki, de ha egyszer látja őket működés közben, akkor tényleg van értelme” - mondta McClelland a NASA-nak adott 2023-as interjújában a kialakult struktúrákról

A fejlett struktúrák azért „idegenszerűek és furcsák", mert a mesterséges intelligenciának nincsenek előre meghatározott elképzelései arról, hogy valaminek hogyan kell kinéznie, szemben a humán mérnökökkel. Ehelyett az algoritmusok problémamegoldás használatával keresik a tervezési követelmények teljesítésének legjobb, leghatékonyabb módját. Ehhez gyakran olyan geometriákat használnak, amelyeket az emberek által szinte lehetetlen lenne megmásítani, és amely olyan szerves formákat hoz létre, amelyeket a legtöbb ember nem tudna elképzelni.

„Ami a leginkább meglepett a generatívan tervezett struktúrákban, az az, hogy az eredményül kapott tervek egyszerre újszerűek, mivel a legtöbb embernek nem jutnának eszébe, és nyilvánvalóak, mivel ha egyszer látom a megoldást, akkor annak intuitív értelme van” - mondja McClelland.

 

Iterációk, amelyek javítják a minőséget és csökkentik a kockázatot

A generatív tervezési folyamat egyszerre egyszerű és gyors. Először is a humán mérnökök meghatározzák a műszaki követelményeket, például azt, hogy a kész szerkezetnek milyen terhelést kell elviselnie, és az milyen erőknek lesz kitéve az űrben. Ezután megadják a követelményeket egy olyan szoftverben, amely órák alatt számtalan tervezési iterációt képes elkészíteni.

„A felhasználó megadja a követelményeket a rendszerben, majd a mesterséges intelligencia elkészíti a tervet, majd véges elemű elemzéssel teszteli a tervet, hogy megbizonyosodjon arról, hogy az megfelel a követelményeknek” - magyarázta McClelland a NASA Small Steps, Giant Leaps podcastjának egyik epizódjában. „Ezután egy gyártási szimulációt is végez, hogy megbizonyosodjon arról, hogy a termék legyártható-e.”

Míg az emberek hetente egy tervezési iterációt tudnak elvégezni - jegyzi meg McClelland, - addig az AI percek alatt képes ugyanerre. „Így sokkal több iterációs ciklus érhető el” - mondja. „A több iterációs ciklus miatt jelentősen gyorsabban kaphat optimálisabb terveket a kifejlesztett struktúrák folyamatának használata révén.”

A sebesség óriási előny. De nem ez az egyetlen előny – a minőség is javul.

„Úgy találtuk, hogy valóban csökkenti a kockázatot” – mondja McClelland. „Úgy találjuk, hogy az algoritmus által generált alkatrészek nem rendelkeznek akkora feszültségkoncentrációval, mint az ember által tervezettek. A stressztényezők majdnem 10-szer alacsonyabbak, mint a szakértő ember által készített alkatrészek esetében.

És itt van a költség is, ami nagyon fontos szempont az egyedi tervezésnél, amelyről a NASA ismert. „A NASA-nál a szerkezetek fő költségtényezője a nem ismétlődő mérnöki munka, nem pedig a gyártás” - mondja McClelland.  „Egy autó- vagy kerékpárgyártó céggel ellentétben a NASA egyedi alkatrészek ezreit fejleszti egyszerre. Csak egyetlen Hubble, egy Webb van, ezért ez a technológia különösen értékes számunkra.”

Végezetül pedig ott van a tömeg kritikus kérdése: McClelland szerint a továbbfejlesztett szerkezetek akár kétharmadnyival is könnyebbek lehetnek a hagyományos alkatrészekhez képest. „Mintegy háromszor jobb a teljesítményük" - nyilatkozta a Small Steps, Giant Leaps adásában. „És amikor teljesítményről beszélek, akkor valójában a merevség-súly arányra gondolok. Tehát nagyon merevek és nagyon könnyűek, egyúttal pedig sokkal erősebbek is, mint az ember által tervezett szerkezetek.”

Noha jó teljesítmény tudományos és üzleti érdemei nyilvánvalóak, ez személyzeti szempontból is előnyös lehet. „Személyzeti szempontból a strukturális elemzők mindig hiánycikknek számítanak” - mondja McClelland. „Úgy gondolom, hogy ez segíthet enyhíteni a szerkezeti elemzési szakemberekre nehezedő nyomást azáltal, hogy gyorsan merev és erős terveket hoz létre, ami csökkenti a későbbi iteráció szükségességét."

 

Következő megálló: A Mars

A NASA két olyan küldetése, amely megtestesíti a generatív tervezésben rejlő lehetőségeket az optimális űrhajótervezésben, az EXCITE (EXoplanet Climate Infrared TElescope) és a Mars Sample Return Mission.

 

Ez a mesterséges intelligencia által tervezett alumínium állványzat fogja tartani az EXCITE teleszkóp szerkezetét. A NASA/Henry Dennis jóvoltából.

Az előbbi várhatóan 2023 őszén induló, léggömbökön alapuló teleszkóp távoli csillagok körül keringő meleg exobolygókat fog tanulmányozni. Egy terepjáró méretű, és legalább két generatívan tervezett elemet tartalmaz: egy titánból készült állványzatot a teleszkóp hátuljára, és egy "optikai szekrényt", amely az egyik műszer optikai komponenseit fogja tartani, egy ultraibolya képalkotó spektrométert, amely folyamatos megfigyeléseket végez majd a bolygókról, miközben azok gazdatestük körül keringenek.

„A jelenlegi alkalmazások közül valószínűleg az optikai szekrény a leginkább lenyűgöző” - mondta McClelland az Dezeen építészeti és dizájn magazinban. „Radikálisan eltér a tipikus optikai szekrényektől, és sokkal jobb szerkezeti teljesítményt nyújt. Egybefogta azt is, ami körülbelül 10 részből állt volna”

A Mars Sample Return mission sor járművet fog használni, hogy olyan kőzetmintákat gyűjtsön, amelyek bizonyítékot tartalmazhatnak a korábbi életre a Marson, és végül visszahozza a kőzeteket a Földre. A Newton az Autodesk Fusion 360 alkalmazását használta a 2027-ben indítandó küldetéshez, hogy generatív módon megtervezzen egy kritikus alkatrészt, az úgynevezett befogófedél mechanizmust.

A küldetés részeként a Mars Perseverance marsjáró jelenleg mintákat gyűjt a Mars felszínén, és azokat fémcsövekbe helyezi. A marsjáró a csöveket a mintavevő leszállóegységhez szállítja, ahol az ESA által biztosított robotkar elhelyezi azokat a leszállóegység rakétájában. Ez pedig a benne lévő mintákkal együtt a Mars körüli pályára állítja magát. Ott találkozik majd egy másik űrjárművel: egy űrhajóval, amelynek feladata a minták átvétele, sterilizálása és elhelyezése egy végső űrhajóba, hogy aztán a Földre szállítsák.

Ez az a pont, ahol a befogófedél mechanizmusa képbe jön. A mintákat a rakétáról „dobják” az űrhajó felfogó, tároló és visszahozó rendszerébe, hogy a mintákat egy fedeles tartályban fogják fel, amelyet azonnal le kell zárni, hogy rögzítse azokat. A Fusion 360-ban végzett generatív tervezésnek köszönhetően a fedél 30%-kal könnyebb az ember által generált tervekhez képest..

„Amint a minták beúsznak, a fedelet nagyon gyorsan le kell zárni, hogy a minták ne pattogjanak ki, valamint hogy korlátozzák a minták szennyeződését” - mondja Miller. „Ehhez nagyon könnyű és erős ajtóra van szükség. Itt jött be a Fusion 360-ban a generatív tervezés, amely segített nekünk a fedél szerkezetének kialakításában.”

 

Alex Miller, a Newton Engineering and Product Development vezető gépészmérnöke, a Newton befogófedél mechanizmusával. A Newton | Engineering and Product Development jóvoltából.

 

Siker a „mesterséges intelligencia korában”

A lehetőség egyértelmű: Az olcsóbb, könnyebb és jobb teljesítményű alkatrészekkel az űrhajók hosszabb időre messzebbre juthatnak az űrben, és bonyolultabb és jelentősebb küldetéseket hajthatnak végre.

A generatív tervezés azonban nem jelent azonnali sikert. Vannak gyakorlati akadályok, amelyekkel a szervezeteknek meg kell küzdeniük.

McClelland szerint az egyik legelterjedtebb az a felfogás, amely szerint az érdekeltek látják a mesterséges intelligencia által létrehozott furcsa terveket, és azt feltételezik, hogy azokat valójában nem lehet gyártani. A valóságban számos generatív terv könnyen és megfizethetően előállítható additív gyártással, szubtraktív CNC marással vagy az additív és szubtraktív technikákat kombináló hibrid gyártással.

„Az emberek látják ezeket az őrültnek tűnő organikus szerkezeteket, és azt gondolják, hogy ezeket soha nem lehet CNC-vel megmunkálni a szokásos anyagainkból a szokásos CNC-megmunkálási eljárásokkal” - mondta McClelland a Small Steps, Giant Leaps podcast. „Kiderült, hogy a CNC megmunkálás sokkal messzebbre jutott, mint azt az emberek gondolnák, és manapság szinte bármit el lehet készíteni 5 tengelyes CNC megmunkálással, ami csak elképzelhető.”

McClelland szerint szoftveres korlátok is vannak, mivel a jelenlegi eszközök nem képesek a termikus paraméterek feldolgozására. A technológia fejlődésével azonban arra számít, hogy ez megváltozik. „A NASA-nál a termikus és a szerkezeti tervezés kihívásai gyakran összefüggnek egymással” - mondja. „Remélem, hogy a jövőben a generatív tervezés a szerkezeti és a hőtechnikai követelményeket is figyelembe tudja venni, például a hővezető képesség korlátozását, miközben a szerkezeti merevségre vonatkozó követelményeknek is megfelel.”

Miller szerint egyelőre egy dolog világos: A generatív tervezés itt van, és itt kell maradjon. „Őszintén hiszem, hogy az emberiség az AI korszakának hajnalán jár, és a generatív tervezés használata elengedhetetlen ahhoz, hogy bármely mérnöki csapat versenyképes maradjon a jövőben” - mondja Miller. „Ez egy kritikus eszköz a küldetésünkben, hogy optimális megoldásokat nyújtsunk ügyfeleinknek, és biztosítsuk a sikert.”