Colecciones

Uso de las matemáticas para hacer que las naves espaciales de la NASA sean más ligeras y tolerantes a los daños

Uso de las matemáticas para hacer que las naves espaciales de la NASA sean más ligeras y tolerantes a los daños

¿Sabías que las matemáticas podrían ayudar a la NASA a viajar más rápido y más lejos? El matemático del Instituto Politécnico de Worcester (WPI) Randy Paffenroth ha estado combinando el aprendizaje automático con las matemáticas del siglo XIX para hacer que las naves espaciales de la NASA sean más ligeras y tolerantes al daño.

Su objetivo es detectar imperfecciones en los nanomateriales de carbono utilizados para fabricar tanques de combustible de cohetes compuestos y otras estructuras de naves espaciales mediante un algoritmo que desarrolló. El algoritmo permite escaneos de mayor resolución que brindan imágenes más precisas de la uniformidad del material y los posibles defectos.

Paffenroth busca imperfecciones en los hilos Miralon®. Estos hilos se envuelven alrededor de estructuras como los tanques de combustible de los cohetes, lo que les da la fuerza para soportar altas presiones.

Están hechos por Nanocomp. La empresa utiliza un sistema de escaneo modificado que escanea el nanomaterial en busca de imperfecciones y uniformidad de masa.

Ahora, Paffenroth y su equipo están utilizando el aprendizaje automático para entrenar algoritmos para aumentar la resolución de estas imágenes. Han desarrollado un algoritmo que ha aumentado la resolución nueve veces.

La transformada de Fourier

Este novedoso algoritmo se basa en la Transformada de Fourier, una herramienta matemática ideada a principios del siglo XIX que se puede utilizar para dividir una imagen en sus componentes individuales. "Tomamos esta elegante red neuronal de vanguardia y agregamos matemáticas de 250 años y eso ayuda a que la red neuronal funcione mejor", dijo Paffenroth.

"La Transformada de Fourier hace que la creación de una imagen de alta resolución sea un problema mucho más fácil al desglosar los datos que componen la imagen. Piense en la Transformada de Fourier como un conjunto de anteojos para la red neuronal. Hace que las cosas borrosas sean claras para el algoritmo. Estamos tomando visión por computadora y virtualmente poniéndole lentes.

"Es emocionante utilizar esta combinación de aprendizaje automático moderno y matemáticas clásicas para este tipo de trabajo", agregó.

Miralon® ya se ha utilizado con éxito en el espacio. Estaba envuelto alrededor de soportes estructurales en la sonda Juno de la NASA que orbita el planeta Júpiter y se ha utilizado para hacer y probar prototipos de nuevos recipientes a presión compuestos de carbono.

Ahora, Nanocomp está intentando fabricar hilos Miralon® que sean tres veces más resistentes para un contrato con la NASA. Paffenroth y su equipo están ayudando con ese objetivo.

"Randy nos está ayudando a lograr este objetivo de triplicar nuestra fuerza mejorando las herramientas en nuestra caja de herramientas para que podamos fabricar materiales más fuertes y mejores de próxima generación para usar en aplicaciones espaciales", dijo Bob Casoni, Gerente de Calidad en Nanocomp.

"Si la NASA necesita construir un nuevo sistema de cohetes lo suficientemente fuerte para llegar a Marte y regresar, tiene un gran conjunto de desafíos que enfrentar. Se necesitan mejores materiales para permitir que la NASA diseñe cohetes que puedan ir más lejos, más rápido y sobrevivir más tiempo".

Casoni agregó que con el nuevo algoritmo de WPI, Nanocomp puede ver patrones en sus materiales que antes no podían detectar.

"No solo podemos elegir características, sino que también tenemos una mejor idea de la magnitud de esas características", dijo.

"Antes, era como ver una imagen de satélite borrosa. Podría pensar que está viendo las colinas onduladas de Pensilvania, pero con una mejor resolución se ve que es realmente Mount Washington o las Montañas Rocosas de Colorado. Es algo bastante sorprendente".


Ver el vídeo: Herramientas para potenciar la inteligencia matemática en tu adolescente - Eduardo Saenz Completo (Enero 2022).