Cómo la IA está diseñando nuevos motores para acortar drásticamente los viajes espaciales

Cada año, empresas y agencias espaciales lanzan cientos de cohetes al espacio, y ese número está previsto que crezca drásticamente con misiones ambiciosas a la Luna, Marte y más allá. Pero estos sueños dependen de un desafío crítico: la propulsión, los métodos utilizados para impulsar cohetes y naves espaciales hacia adelante.

Para hacer los viajes interplanetarios más rápidos, seguros y eficientes, los científicos necesitan avances en tecnología de propulsión. La inteligencia artificial es un tipo de tecnología que ha comenzado a proporcionar algunos de estos avances necesarios.

TE PUEDE INTERESAR

La nueva jefa del MI6 dice que los oligarcas tecnológicos son tan poderosos como los países

Omar Kardoudi

Somos un equipo de ingenieros y estudiantes de posgrado que estudiamos cómo la IA en general, y un subconjunto de la IA llamado aprendizaje automático en particular, puede transformar la propulsión espacial. Desde la optimización de motores térmicos nucleares hasta la gestión del complejo confinamiento de plasma en sistemas de fusión, la IA está reconfigurando el diseño y las operaciones de propulsión. Se está convirtiendo rápidamente en un socio indispensable en el viaje de la humanidad hacia las estrellas.

Aprendizaje automático y por refuerzo

El aprendizaje automático es una rama de la IA que identifica patrones en datos sobre los que no ha sido entrenada explícitamente. Es un campo vasto con sus propias ramas y muchas aplicaciones. Cada rama emula la inteligencia de diferentes maneras: reconociendo patrones, analizando y generando lenguaje, o aprendiendo de la experiencia. Este último subconjunto en particular, comúnmente conocido como aprendizaje por refuerzo, enseña a las máquinas a realizar sus tareas calificando su rendimiento, permitiéndoles mejorar continuamente mediante la experiencia.

Como ejemplo sencillo, imaginemos un jugador de ajedrez. El jugador no calcula cada movimiento, sino que reconoce patrones de haber jugado mil partidas. El aprendizaje por refuerzo crea una pericia intuitiva similar en máquinas y sistemas, pero a una velocidad y escala computacional imposibles para los humanos. Aprende mediante experiencias e iteraciones observando su entorno. Estas observaciones permiten a la máquina interpretar correctamente cada resultado y desplegar las mejores estrategias para que el sistema alcance su objetivo.

TE PUEDE INTERESAR

Así es el futuro de los cazas de combate: diseñados con IA e impresos en 3D

Jesús Díaz

El aprendizaje por refuerzo puede mejorar la comprensión humana de sistemas profundamente complejos, aquellos que desafían los límites de la intuición humana. Puede ayudar a determinar la trayectoria más eficiente para una nave espacial que se dirige a cualquier lugar del espacio, y lo hace optimizando la propulsión necesaria para enviar la nave allí. También puede potencialmente diseñar mejores sistemas de propulsión, desde la selección de los mejores materiales hasta la creación de configuraciones que transfieran el calor entre las partes del motor de manera más eficiente.

Aprendizaje por refuerzo para la propulsión

En lo que respecta a la propulsión espacial, el aprendizaje por refuerzo generalmente se divide en dos categorías: aquellas que asisten durante la fase de diseño, cuando los ingenieros definen las necesidades de la misión y las capacidades del sistema, y aquellas que apoyan su funcionamiento en tiempo real una vez que la nave espacial está en vuelo.

Entre los conceptos de propulsión más exóticos y prometedores está la propulsión nuclear, que aprovecha las mismas fuerzas que impulsan las bombas atómicas y alimentan el Sol: la fisión nuclear y la fusión nuclear.

La fisión funciona dividiendo átomos pesados como el uranio o el plutonio para liberar energía, un principio utilizado en la mayoría de los reactores nucleares terrestres. La fusión, por otro lado, fusiona átomos más ligeros como el hidrógeno para producir aún más energía, aunque requiere condiciones mucho más extremas para iniciarse.

La fisión es una tecnología más madura que se ha probado en algunos prototipos de propulsión espacial. Incluso se ha utilizado en el espacio en forma de generadores termoeléctricos de radioisótopos, como los que impulsaron las sondas Voyager. Pero la fusión sigue siendo una frontera tentadora.

La propulsión térmica nuclear podría algún día llevar naves espaciales a Marte y más allá a un coste menor que el de simplemente quemar combustible. Llegaría allí más rápido que la propulsión eléctrica, que utiliza un gas calentado compuesto de partículas cargadas llamado plasma.

A diferencia de estos sistemas, la propulsión nuclear se basa en el calor generado por reacciones atómicas. Ese calor se transfiere a un propulsor, normalmente hidrógeno, que se expande y sale a través de una tobera para producir empuje e impulsar la nave hacia adelante.

El papel de la IA en el diseño

Los primeros diseños de propulsión térmica nuclear de la década de 1960, como los del programa NERVA de la NASA, utilizaban combustible de uranio sólido moldeado en bloques con forma de prisma. Desde entonces, los ingenieros han explorado configuraciones alternativas, desde lechos de guijarros cerámicos hasta anillos ranurados con canales intrincados.

¿Por qué ha habido tanta experimentación? Porque cuanto más eficientemente pueda un reactor transferir calor del combustible al hidrógeno, más empuje genera.

Aquí es donde el aprendizaje por refuerzo ha demostrado ser esencial. Optimizar la geometría y el flujo de calor entre el combustible y el propulsor es un problema complejo, que implica innumerables variables, desde las propiedades del material hasta la cantidad de hidrógeno que fluye a través del reactor en un momento dado. El aprendizaje por refuerzo puede analizar estas variaciones de diseño e identificar configuraciones que maximicen la transferencia de calor. Imaginémoslo como un termostato inteligente, pero para un motor de cohete, uno al que definitivamente no queremos acercarnos demasiado, dadas las temperaturas extremas que alcanza.

IA y tecnología de fusión

El aprendizaje por refuerzo también desempeña un papel clave en el desarrollo de la tecnología de fusión nuclear. Experimentos a gran escala como el tokamak JT-60SA en Japón están empujando los límites de la energía de fusión, pero su enorme tamaño los hace poco prácticos para vuelos espaciales. Por eso los investigadores están explorando diseños compactos como los polywells. Estos dispositivos exóticos parecen cubos huecos, de unos pocos centímetros de ancho, y confinan el plasma en campos magnéticos para crear las condiciones necesarias para la fusión.

Controlar los campos magnéticos dentro de un polywell no es tarea fácil. Los campos magnéticos deben ser lo suficientemente fuertes para mantener los átomos de hidrógeno rebotando hasta que se fusionen, un proceso que exige una energía inmensa para comenzar pero que puede volverse autosostenible una vez en marcha. Superar este desafío es necesario para escalar esta tecnología para la propulsión térmica nuclear.

IA para la generación de energía

Sin embargo, el papel del aprendizaje por refuerzo no termina con el diseño. Puede ayudar a gestionar el consumo de combustible, una tarea crítica para misiones que deben adaptarse sobre la marcha. En la industria espacial actual, hay un interés creciente en naves espaciales que puedan desempeñar diferentes funciones según las necesidades de la misión y cómo se adaptan a los cambios de prioridad a lo largo del tiempo.

Las aplicaciones militares, por ejemplo, deben responder rápidamente a escenarios geopolíticos cambiantes. Un ejemplo de tecnología adaptada a cambios rápidos es el satélite LM400 de Lockheed Martin, que tiene capacidades variadas como alerta de misiles o teledetección.

Pero esta flexibilidad introduce incertidumbre. ¿Cuánto combustible requerirá una misión? ¿Y cuándo lo necesitará? El aprendizaje por refuerzo puede ayudar con estos cálculos.

Desde bicicletas hasta cohetes, aprender mediante la experiencia, ya sea humana o de máquinas, está configurando el futuro de la exploración espacial. A medida que los científicos empujan los límites de la propulsión y la inteligencia, la IA está desempeñando un papel cada vez mayor en los viajes espaciales. Puede ayudar a los científicos a explorar dentro y fuera de nuestro sistema solar y abrir las puertas a nuevos descubrimientos.