จากการเปิดเผยของ NASA ผ่านกองอำนวยการภารกิจเทคโนโลยีอวกาศ (STMD) ได้มีการประกาศรายชื่อผู้ได้รับรางวัล Early Career Faculty (ECF) ประจำปี 2025 ซึ่งเป็นโครงการสนับสนุนคณาจารย์รุ่นใหม่ที่มีความสามารถโดดเด่นจากมหาวิทยาลัยต่าง ๆ เพื่อดำเนินงานวิจัยที่ตอบโจทย์ความท้าทายทางเทคโนโลยีอวกาศในอนาคต โดยในปีนี้มุ่งเน้นไปที่สองประเด็นหลักคือ การวินิจฉัยสภาวะความร้อนสูงจัดขณะยานเข้าสู่ชั้นบรรยากาศ และการใช้ปัญญาประดิษฐ์เพื่อเพิ่มความสามารถในการนำทางยานอวกาศอัตโนมัติ
การวินิจฉัยขั้นสูงสำหรับสภาวะการเข้าสู่ชั้นบรรยากาศของยานอวกาศ
หนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุดของวิศวกรรมการบินอวกาศคือ การส่งยานอวกาศผ่านชั้นบรรยากาศของดวงดาว ซึ่งต้องเผชิญกับสภาวะ High-Enthalpy หรือสภาวะที่มีพลังงานความร้อนสูงจัดจนก๊าซรอบยานเกิดการแตกตัวเป็นไอออน การวิจัยในหัวข้อนี้มุ่งเน้นไปที่การใช้เทคโนโลยีเลเซอร์ขั้นสูงเพื่อวัดค่าสถานะต่าง ๆ ในห้องปฏิบัติการภาคพื้นดินที่จำลองสภาวะดังกล่าว
นักวิจัยที่ได้รับรางวัลในสาขานี้ประกอบด้วย:
- Damiano Baccarella จาก University of Tennessee, Knoxville กับงานวิจัยการประยุกต์ใช้เทคนิค Resonance Enhanced Multi-Photon Ionization เพื่อตรวจวัดคุณลักษณะของการไหลในระบบ Arcjet
- Ciprian Dumitrache จาก Colorado State University พัฒนาระบบ Ultrafast Laser สำหรับการวิเคราะห์สนามการไหลที่ไม่อยู่ในสภาวะสมดุล (Nonequilibrium Flowfields)
- Dan Fries จาก University of Kentucky, Lexington กับโครงการ Multiplexed Polarization Spectroscopy เพื่อวินิจฉัยองค์ประกอบเคมีหลายชนิดพร้อมกันในสภาวะความร้อนสูง
- Yi Mazumdar จาก Georgia Institute of Technology มุ่งเน้นการวัดอุณหภูมิ ชนิดของสาร และความเร็วพร้อมกันโดยใช้เลเซอร์ความเร็วสูงสำหรับการทดสอบภาคพื้นดินของระบบเข้าสู่ชั้นบรรยากาศ
เทคโนโลยี Machine Learning เพื่อยานอวกาศอัตโนมัติ
นอกจากการพัฒนาด้านวัสดุศาสตร์และฟิสิกส์แล้ว NASA ยังให้ความสำคัญกับการพัฒนาระบบซอฟต์แวร์อัจฉริยะผ่านเทคโนโลยี Machine Learning เพื่อนำมาใช้ในระบบ Guidance, Navigation, and Control (GNC) ซึ่งเป็นระบบที่ทำหน้าที่กำหนดเส้นทาง ระบุตำแหน่ง และควบคุมเสถียรภาพของยานอวกาศโดยไม่ต้องพึ่งพาคำสั่งจากโลกตลอดเวลา
โครงการที่ได้รับเลือกในหมวดนี้ ได้แก่:
- Glen Chou จาก Georgia Institute of Technology พัฒนาระบบ Hierarchical Neural Planning เพื่อการวางแผนและควบคุมยานอวกาศแบบเรียลไทม์ที่มีความแม่นยำและปลอดภัยสูง
- Roshan Eapen จาก Pennsylvania State University กับโครงการ HJ-PRISM ที่นำสมการ Hamilton-Jacobi มาช่วยในการวางแผนการเคลื่อนที่อัจฉริยะของยานอวกาศ
- Bin Hu จาก University of Houston วิจัยระบบการวางแผนบนยานอวกาศที่มีประสิทธิภาพผ่านเทคนิค Physics-Informed Reinforcement Learning ซึ่งเป็นการสอนให้ปัญญาประดิษฐ์เรียนรู้โดยอิงจากกฎทางฟิสิกส์จริง
"โครงการ Early Career Faculty เป็นกลไกสำคัญในการดึงดูดบุคลากรที่เก่งที่สุดในแวดวงวิชาการมาร่วมกันแก้ปัญหาที่ซับซ้อนที่สุดของ NASA เพื่อปูทางสู่ภารกิจสำรวจดวงจันทร์และดาวอังคารในอนาคต"
การวิจัยภายใต้รางวัล ECF 2025 นี้ ไม่เพียงแต่จะช่วยเพิ่มความปลอดภัยในการส่งนักบินอวกาศกลับสู่โลกหรือลงจอดบนดาวเคราะห์อื่นเท่านั้น แต่ยังเป็นการสร้างรากฐานสำคัญให้กับยานอวกาศรุ่นต่อไปที่จะมีความสามารถในการตัดสินใจได้ด้วยตัวเองท่ามกลางห้วงอวกาศลึก สำหรับข้อมูลเพิ่มเติมเกี่ยวกับโครงการนี้ สามารถศึกษาต่อได้ที่ หน้าหลักของ ECF
