Flexcompute、物理公司和诺斯罗普·格鲁曼公司开发了一种由 NVIDIA 技术提供支持的基础人工智能基础设施，该基础设施可完全自动化模拟工作流程，以准确预测空间对接期间的推进器撞击效应实时。该人工智能物理模型具有内置的不确定性估计，旨在解决太空操作中一些最复杂的航天器羽流相互作用挑战。这项工作代表了人工智能物理模型在关键任务决策方面的训练和验证方面的重大进步。

准确的航天器控制传统上需要数月的任务准备时间，这是由于需要通过高保真物理模拟生成大量数据集。一个主要挑战是羽流冲击：火箭推进器的排气羽流与以及附近的航天器结构。模拟对于理解这些相互作用至关重要。在太空真空中，气体迅速膨胀，产生复杂的力和热效应，这些在地面上极难重现。

采用传统方法，由这些大型模拟数据集训练的模型通常需要数百万次模拟才能达到可接受的覆盖范围和可靠性。 Flexcompute 的 AI 物理方法从根本上改变了这一过程。通过训练从物理结构和数据中高效学习的模型，Flexcompute 和诺斯罗普·格鲁曼公司可以在几秒钟而不是几个月内做出准确的预测，同时提供鲁棒控制所需的明确的不确定性估计。这可以将任务准备时间缩短多达 100 倍。

这项创新建立在 NVIDIAPhysics NeMo 的基础上，这是一个用于 AI 物理模型的开源框架，Flexcompute 通过定制模型架构、物理感知约束和 t针对复杂的喷嘴羽流冲击和空间机器人相互作用量身定制的降雨策略。通过将人工智能物理与先进的物理仿真紧密结合，并在推理时结合不确定性估计，Flexcompute 创建了一个模型，可以为工程师提供快速、可靠的预测，以做出关键任务控制决策。

“在诺斯罗普·格鲁曼，我们正在开创物理人工智能，以加速设计并解决羽流撞击等复杂的仿真和建模问题，这对于空间站保持、交会和太空机器人至关重要。简单地说：我们正在突破先进太空操作的界限。”诺斯罗普·格鲁曼公司人工智能基金会总监 Fahad Khan 说道。 “通过与 Flexcompute 和 NVIDIA 合作，我们正在加快创新和任务时间表，以客户所需的速度为客户提供卓越的太空能力。”

通过压缩任务准备周期并实现不确定性感知预测，这项工作还支持 m矿石高效航天器运行。改进的羽流相互作用模型可以实现更自信的控制策略、更小的结构裕度和更高效的燃料使用，从而有助于更长的任务寿命和更可持续的太空操作。

“诺斯罗普·格鲁曼公司的信心反映了 Flexcompute 的与众不同之处，”Flexcompute 总裁兼联合创始人 Vera Yang 说道。 “我们能够采用最准确、可扩展的物理基础，并将其发展为工程师可以信赖的经过严格训练的定制物理 AI 解决方案。这项工作展示了我们如何改变模拟的角色，不仅仅是加快模拟速度，还扩大了工程师可以自信地解决的问题以及他们行动的速度。”

“业界最雄心勃勃的太空任务现在要求的速度和精度水平是传统工程周期无法再维持的，”NVIDIA 计算工程副总裁兼总经理 Tim Costa 说道。 “通过集成 NVIDIA PhysicsNeMo、诺斯罗普·格鲁曼和 Flexcompute 正在将羽流撞击等复杂模拟从数天的计算转变为数秒的洞察，极大地加快了从任务概念到轨道的进程。”

这项工作强化了 Flexcompute 作为应对世界上最复杂的物理挑战的组织值得信赖的技术合作伙伴的角色。通过将高精度和快速的物理模拟与开发深度定制的 AI 物理模型的能力相结合，Flexcompute 正在超越传统工具并构建物理模拟的超级智能平台为物理、人工智能和工程智能如何共同塑造航空航天、机器人等领域的未来奠定了新的基础。