![]()
今天是太空與您相伴的【第2954期】
國 內 航 天
海南商發二期項目首次液氮進液預冷作業圓滿成功
5月20日18時,海南商業航天發射場二期項目氮氣源庫區內,施工人員正緊張有序地對接加注管路、核查設備,為800m3液氮球罐預冷及液氮進液做準備。全體作業人員嚴格遵照施工方案,全程規范把控預冷、轉注關鍵環節,精準監測壓力、溫度、液位等關鍵參數,確保作業平穩有序推進。
經過8小時緊張奮戰,5月21日凌晨2時,捷報傳來:兩臺液氮運輸車全部完成轉注,二期項目首次液氮進液預冷作業圓滿成功。這標志著二期項目氮氣源庫區正式由施工建設階段邁入全面調試階段,也為后續啟泵制氣、對外供氣奠定了堅實基礎。
(來源:海南商發 公眾號)
嫦娥六號補全月背化學成分“拼圖”!科學家借AI破題
近日,中國科學院上海技術物理研究所領銜的研究團隊,利用嫦娥六號任務從月球背面帶回的寶貴樣本,為月球化學“拼圖”補上了關鍵“碎片”,成功繪制出迄今為止最精確的月球全球化學成分圖。
這項研究為未來的月球探測,特別是對月球背面最大、最古老的“南極-艾特肯盆地”的探索,提供了全新“導航圖”。
不同的化學成分就像不同的“指紋”,會留下獨特的光譜痕跡。研究團隊首先獲取了月球軌道器拍攝的高分辨率多光譜圖像,捕捉了月球表面在不同波長的光譜特征。
但光譜“指紋”與精確的化學成分含量(如鐵、鈦等主量元素氧化物的含量)之間,存在極其復雜的非線性關系,無法通過簡單計算直接推導。
為破解這一難題,研究團隊引入了殘差卷積神經網絡這一人工智能深度學習(AI)模型,將包括嫦娥六號樣本在內的所有已知月球采樣點數據輸入模型,通過交叉驗證反復檢驗優化,讓該模型在月球正面與背面樣本的共同約束下,深度學習光譜特征與化學成分之間的映射關系。
經過“特訓”的AI模型,如同掌握了全新解題邏輯的“學霸”,對全月球遙感數據進行解析時,就能更精準地“解碼”出月表風化層的化學成分,讓遙感數據的解讀精度實現質的提升。
基于新模型,研究團隊繪制出由月球背面樣本校正的首幅高分辨率月球主量元素氧化物含量分布圖,鐵、鈦、鋁、鎂、鈣、硅等關鍵元素氧化物的分布清晰可見,諸多新發現刷新了人類對月球背面的成分認知。
(來源:中國探月工程 微博)
來源 | 我們的太空(ID:ourspace0424)
編輯 | 蘆恬瑩
校對|肖俊豪、李文輝
主編 | 張文軍
郵箱 | ourspace0424@163.com
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.