目前进军火星的两股核心力量是NASA与SpaceX,但双方虽然在国际空间站任务中密切合作,却对载人火星任务有着截然不同的思路。
尺寸很重要
最大的挑战(或者说限制)在于确定火星旅行所需要的有效载荷,即航天器本体、人员、燃料与补给的总质量。
我们向太空发射的一切物体,在本质上是将所对应的质量送入空间轨道。但有效载荷质量只占运载火箭总质量中的一小部分。
例如,将阿波罗11号发射到月球上的土星五号火箭总重量达3000吨。
但它能够送入近地轨道的质量则仅有140吨(相当于初始发射质量的5%),实际被发射至月面上的质量进一步缩减为可怜的50吨(不足初始发射质量的2%)。
质量直接限制了火星飞船的尺寸以及在太空中所能完成的动作。每一次制动操作都需要启动火箭发动机并消耗燃料,而燃料本身也要占用掉大量宝贵的航天器载荷。
SpaceX的计划是让载人星际飞船通过独立发射的“油轮”完成空中加油,这意味着我们可以一次性将更多燃料送入轨道,不再受限于火箭单次所能运载的燃料质量。
时间很重要
与燃料问题同等重要的另一大挑战,则是时间。
非载人航天器在前往其他星球之前,往往会绕着太阳以复杂的轨迹运行,这是为了借助所谓“引力弹弓”效应经由各星体的引力积累动能,最终获得最经济的太空航行效率。
这确实能省下大量燃料,但往往需要数年时间才能抵达目的地。对载人航天器来说,这种老办法显然不那么靠谱。
地球与火星都拥有近圆形轨道,而在两颗行星之间最节约燃料的旅行方式就是霍曼转移。简单来讲,航天器只需要进行一次引擎推进,就能从当前行星轨道转移至另一行星的轨道当中。
但地霍曼转移的方式由地球抵达火星,共需要259天(相当于8到9个月);而且由于地球与火星围绕太阳的公转轨道不同,每两年才会出现一次最佳变轨时机。
航天器当然可以缩短抵达火星的航程(SpaceX号称六个月就能抵达),但大家肯定想得到,这样就得消耗更多燃料。
安全着陆
假如我们的航天器和机组人员顺利抵达火星,接下来还有着陆这个大麻烦摆在面前。
进入地球时,航天器会利用与大气层相互摩擦所产生的阻力完成减速,确保本体能够安全地降落在地球表面(前提是材料能够承受摩擦产生的高温)。
但火星上的大气密度只相当于地球大气的百分之一,这意味着摩擦产生的阻力也小得多,航天器也必然会以更大的速度朝着火星表面下坠。
此前的非载人航天器曾经采用过安全气囊方案(例如NASA的探路者计划),也有项目采用反向推进器(NASA的凤凰计划),但后一种还是会消耗掉更多燃料。
火星上的生命维持
火星上的一天有24小时37分,但这也是火星上唯一与地球相似的环境属性了。
由于大气极度稀薄,火星大气层无法像地球那样维持住热量,因此生命必须想办法适应火星表面昼夜循环之间的极端温度变化。
火星上的最高温度为30℃,听起来颇为宜人;但这里的最低温度为-140℃,平均温度则为-63℃。作为参考,地球上南极冬季的平均气温约为-49℃。
所以我们必须慎重选择火星上的具体着陆点,并考虑该如何适应如此夸张的夜间低温。
火星上的重力相当于地球的38%(所以您会感觉行动更轻松),但空气的主要组成为二氧化碳加少量(百分之几)氮气,人类完全没办法直接呼吸。我们需要建造一套气候控制系统才能获得稳定的生存环境。
SpaceX计划分多次发射货运航天器,将温室、太阳能电池板等关键基础设施分批送上火星。有了这些装置,随后抵达的人类就能在火星表面生产能源、为返回地球积累宝贵的燃料。
在火星上维持生命活动完全可行,而且我们已经在地球上进行过多轮模拟试验,探索人类该如何适应这颗红色星球的现实条件。
重返地球
最后的挑战自然是启动航程,将人们安全送回地球。
阿波罗11号当初是以约每小时4万公里的速度冲入地球大气层——略微低于脱离地球轨道所需要的速度。
而从火星返回的航天器将拥有47000公里到54000公里不等的载入速度,具体取决于其通过哪条轨道抵达地球上空。
在进入地球大气层之前,航天器会通过减速以每小时28800公里左右的速度进入环地轨道,这一阶段的减速同样需要以消耗燃料的方式完成。
只要以上各个环节顺利完成,接下来地球大气会接手完成后续减速。这事我们很有经验,只要航天器外壳不要过热、下落速度不要太多,亲爱的宇航员们就能安全回归地球家园。
这就是我们在征服火星时面临的几大核心挑战。好消息是,达成这项目标的所有底层技术都已存在;坏消息是,我们还得投入大量时间与金钱才能把这些技术要素整合起来。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。