摘要：一个研究团队为Halleffect Ion推进器，卫星和太空探测器的引擎提供了AI评估员。...
Hall推进器是SpaceX的Starlink星座和NASA的Psyche小行星任务等任务的关键空间技术，是使用等离子体技术*的高效电推进设备*。 KAIST研究小组宣布，为Cubesats开发的AI设计的大厅推进器将安装在Kaist-Hall效应火箭轨道（K-Hero）Cubesat上，以在本计划的11月在本计划的11月举行的韩国发射车中展示其轨道上的性能。
等离子体是物质的四个状态之一，将气体加热至高能，使其分离成带电的离子和电子。等离子体不仅用于太空电推进，还用于半导体制造，显示过程和灭菌装置中。
2月3日，由KAIST核与Quantum Engineering部电气推进实验室的研究团队由Wonho Choe教授领导，宣布开发基于AI的技术，以准确预测Hall Thrusers的性能，卫星和太空探测器的发动机。
霍尔推进器提供了较高的燃油效率，需要最少的推进剂才能实现航天器或卫星的显着加速，同时相对于功率消耗产生大量推力。由于这些优势，大厅推进器被广泛用于各种太空任务中，包括卫星星座的形成飞行，用于缓解太空碎片的动作以及小行星探索等深空任务。
随着在报纸时代期间太空行业继续增长，适合各种任务的霍尔推进器的需求正在增加。为了快速发展高效，任务优化的霍尔推进器，必须从设计阶段准确预测推进器性能。
但是，传统方法具有局限性，因为它们难以处理霍尔推进器中复杂的等离子体现象，或者仅在特定条件下适用，从而导致预测准确性较低。
研究小组开发了一种基于AI的性能预测技术，其精度很高，从而大大减少了与推进器的迭代设计，制造和测试相关的时间和成本。自2003年以来，Wonho Choe教授的团队一直领导着韩国电力开发的研究。该团队使用神经网络集合模型使用了从其内部数值模拟工具产生的18,000个Hall推进器训练数据点来预测推进器性能。
开发的内部数值仿真工具用于对等离子体物理和推力性能进行建模，在提供高质量的培训数据中发挥了至关重要的作用。通过与十个KAIST内部霍尔推进器的实验数据进行比较来验证模拟的精度，平均预测误差小于10％。
