XiaoMi-AI文件搜索系统
World File Search System宇航员
对行星表面作业宇航员-探测车团队进行形式化验证
摘要——本文介绍了一种使用 Brahms 多智能体建模语言对模型进行形式化验证来确保宇航员探测车 (ASRO) 团队自主系统可靠性的方法。行星表面探测车已被证明对几次载人和无人月球和火星任务至关重要。第一批探测车是遥控或手动操作的，但自主系统越来越多地被用于提高探测车操作的效率和范围，例如 NASA 火星科学实验室。预计未来的载人月球和火星任务将使用自主探测车协助宇航员进行舱外活动 (EVA)，包括科学、技术和施工作业。这些 ASRO 团队有可能显著提高地面作业的安全性和效率。我们描述了一个新的 Brahms 模型，其中自主探测车可以执行几种不同的活动，包括在 EVA 期间协助宇航员。这些活动争夺自主探测器的“注意力”，因此探测器必须决定哪些活动当前最重要，并参与其中。Brahms 模型还包括一个宇航员代理，它可以模拟宇航员在舱外活动期间的预测行为。探测器还必须对宇航员的活动做出反应。我们展示了如何使用 Brahms 集成开发环境模拟这个 Brahms 模型。然后，还可以使用 SPIN 模型检查器通过从 Brahms 自动翻译到 PROMELA（SPIN 的输入语言），根据系统要求对模型进行正式验证。我们表明，这种正式验证可用于确定任务和安全关键操作是否正确执行，从而提高 ASRO 团队行星探测器自主系统的可靠性。
微重力挑战：宇航员适应并保持最佳状态
加拿大航天局 (CSA) 目前正在开展一项名为“太空健康”的调查，评估太空飞行对心血管功能衰退的影响。该调查使用生物监测器，这是一种可穿戴传感器，可收集脉搏率、血压、呼吸频率、皮肤温度和身体活动水平等数据。调查结果可以支持开发一个自主系统，用于监测未来太空任务中的心血管健康。类似的技术可用于监测地球上人类的心脏健康。
宇航员在太空中的DNA会发生什么？
J. Sebastian Garcia-Medina, Karolina Sienkiewicz, S. Anand Narayanan, Eliah G. Overbey, Kirill Grigorev, Krista A. Ryon, Marissa Burke, Jacqueline Proszynski, Braden Tierney, Caleb M. Schmidt, Nuria Mencia-Trinchant, Remi Klotz, Veronica Ortiz, Jonathan Foox, Christopher Chin, Deena Najjar, Irina Matei, Irenaeus Chan, Carlos Cruchaga, Ashley Kleinman, JangKeun Kim, Alexander Lucaci, Conor Loy, Omary Mzava, Iwijn De Vlaminck, Anvita Singaraju, Lynn E. Taylor, Julian C. Schmidt, Michael A. Schmidt, Kelly Blease, Juan Moreno, Andrew Boddicker, Junhua Zhao, Bryan Lajoie, Andrew Altomare, Semyon Kruglyak, Shawn Levy, Min Yu, Duane C. Hassane, Susan M. Bailey, Kelly Bolton, Jaime Mateus, and Christopher E. Mason (2024) Genome and clonal hematopoiesis stability contrasts with immune, cfDNA，线粒体和端粒长度在短时间太空飞行中变化。精确临床医学。https://academic.up.com/pcm/article/7/1/pbae007/7642247
宇航员被困国际空间站
它是太空中最大的人造结构，于 1998 年发射升空。它作为宇航员的栖息地，自 2000 年以来一直有人居住。参与机构：国际空间站是美国（NASA）、俄罗斯（Roscosmos）、欧洲（ESA）、日本（JAXA）和加拿大（CSA）航天机构的联合努力。轨道：国际空间站绕地球运行的轨道距离地球约 400 公里。速度：它以每小时约 28,000 公里的速度绕地球运行，每 90 分钟绕行一周。目标：国际空间站旨在增进我们对太空和微重力的了解，支持新的科学研究，并体现国际合作。
宇航员学者技术会议
为了实现氢经济和新的脱碳能源模式，需要降低从生产到最终使用的核心清洁氢技术的成本和效率。在生产方面，这体现在能源部的“氢能地球计划”中，即在 10 年内将氢气生产成本降至 1 美元/千克，以及区域清洁氢中心计划。使用可再生清洁电力作为原料达到这些成本指标的固有方法是使用电解。电解技术中最重要的是利用离子导电聚合物（离子聚合物）的技术，包括聚合物电解质水电解器 (PEWE)。然而，这些技术需要表现出更高的效率、（动态）性能和耐用性，以降低成本并实现商业可行性。同样，离子聚合物对于实现固定和重型应用的燃料电池 (PEFC) 至关重要。 PEWE 和 PEFC 都涉及多个组件（例如催化剂、离子聚合物、传输层、膜、板）和多个阶段，现象发生在不同的时间和长度尺度上。这些技术的关键是离子聚合物和催化剂之间的界面，而传输现象在其中起着关键作用。在本次演讲中，我们将通过劳伦斯伯克利国家实验室的最新进展（包括基于离子聚合物的水电解中心 (CIWE) 的努力）概述其中一些技术。
模拟辐射屏蔽材料对火星宇航员的保护效果
火星表面受到来自太阳和宇宙的高能带电粒子的轰击，与地球相比，几乎没有任何防护。由于航天机构正在计划对这颗红色星球进行载人飞行，因此人们主要担心的是电离辐射对宇航员健康的影响。将暴露量保持在可接受的辐射剂量以下对机组人员的健康至关重要。在这项研究中，我们的目标是了解火星的辐射环境，并描述保护宇航员免受宇宙辐射有害影响的主要策略。具体来说，我们使用 Geant4 数值模型研究了火星辐射场中各种材料的屏蔽特性，并通过 MSL RAD 的现场仪器测量验证了该模型的准确性。我们的结果表明，复合材料（如塑料、橡胶或合成纤维）对宇宙射线具有类似的响应，是最好的屏蔽材料。火星风化层具有中间行为，因此可以作为额外的实用选择。我们表明，最广泛使用的铝与其他低原子序数材料结合使用时可能会有所帮助。
信息表现任务宇航员 G3
作为团队的一员，每个宇航员都有一项特殊的工作要做。一些宇航员学习如何组装东西，因此他们擅长修理东西。这很重要，因为如果宇宙飞船上的某个东西坏了，宇航员必须能够自己修理。一些宇航员是懂得如何驾驶飞机的飞行员。这些宇航员必须学习如何驾驶和驾驶宇宙飞船。他们训练了很多个小时来学习如何转动它，如何让它跑得更快或更慢，以及如何引导它穿越太空。一些宇航员是领导者，负责管理船上的所有人。他们确保每个人都在做正确的工作。其他宇航员主要学习科学。他们的工作是了解生物在太空中是如何变化的。
增强宇航员卫生和任务效率：太空行走时宇航服内废物管理和水回收的新方法
舱外机动装置 (EMU) 内的现行废物管理系统由一次性尿布——最大吸收服 (MAG) 组成，它可以在长达 8 小时的舱外活动 (EVA) 期间收集尿液和粪便。长时间接触废物会导致卫生相关的医疗事件，包括尿路感染和胃肠道不适。从历史上看，在使用 MAG 之前，宇航员在开始体力消耗大的太空行走之前会限制食物摄入量或食用低残渣饮食，从而降低他们的工作绩效指数 (WPI) 并带来健康风险。此外，目前的 0.95 升宇航服内饮料袋 (IDB) 无法为更频繁、更远距离的太空行走提供足够的水，这更有可能出现需要延长离开航天器时间的应急情况。每磅货物运往太空的高昂运输成本和资源稀缺性加剧了这些挑战，凸显了节水废物管理的必要性。本文介绍了威尔康奈尔医学院梅森实验室开发的一种新型宇航员宇航服内尿液收集和过滤系统，该系统可以解决这些卫生和补水问题。该装置通过外部导管收集宇航员的尿液，并使用正向和反渗透 (FO-RO) 将其过滤成饮用水，创造可持续的卫生循环水经济，增进宇航员的健康。这项研究旨在使用改进的 MAG 实现 85% 的尿液收集率。改进的 MAG 将由内衬抗菌织物的柔性压缩材料制成，尿液通过硅胶尿液收集杯收集，该杯因男性和女性宇航员的不同而不同，以符合人体解剖学。湿度传感器检测到杯中尿液的存在，便会触发通过真空泵的尿液收集。 FO-RO 过滤系统的目标是至少回收 75% 的水，同时消耗不到 10% 的 EMU 能源。为了满足健康标准，滤液保持低盐含量（< 250 ppm NaCl）并有效去除尿液中的主要溶质（尿素、尿酸、氨、钙）。
POWERHOUSE 呈现 2024 年悉尼科学节 1968 年，在阿波罗 8 号太空任务的关键时刻，宇航员威廉·安德斯拍摄了
关于 POWERHOUSE POWERHOUSE 位于艺术、设计、科学和技术的交汇处，在社区参与当代思想和问题方面发挥着关键作用。我们正在实施一项具有里程碑意义的 13 亿美元基础设施更新计划，该计划由新博物馆 Powerhouse Parramatta 的建立、Powerhouse Castle Hill 的研究和公共设施的扩建、标志性的 Powerhouse Ultimo 的更新以及悉尼天文台的持续运营牵头。该博物馆保管着超过 50 万件具有国内和国际意义的物品，被认为是澳大利亚最精美、最多样化的收藏品之一。我们还在实施一项广泛的数字化项目，将为 Powerhouse 收藏品提供新级别的访问权限。
SANS-CNN：一种利用宇航员图像数据来诊断航天相关神经眼部综合症的自动机器学习技术
太空飞行相关神经眼综合征 (SANS) 是太空飞行最大的生理障碍之一，需要对未来的行星任务进行评估和缓解。由于太空飞行环境是临床受限的环境，本研究的目的是使用在宇航员 SANS 光学相干断层扫描 (OCT) 图像上训练和验证的机器学习模型提供 SANS 的自动早期检测和预测。在本研究中，我们提出了一个轻量级卷积神经网络 (CNN)，它结合了 EffficientNet 编码器，用于从 OCT 图像中检测 SANS，名为“SANS-CNN”。我们使用 6303 张 OCTB 扫描图像进行训练/验证（80%/20% 分割），并使用 945 张 SANS 图像进行测试，结合地面图像和宇航员 SANS 图像进行测试和验证。使用 NASA 标记的 SANS 图像对 SANS-CNN 进行了验证，以评估准确度、特异性和敏感性。为了评估真实世界的结果，还在这个数据集上采用了两种最先进的预训练架构。我们使用 GRAD-CAM 来可视化中间层的激活图，以测试 SANS-CNN 预测的可解释性。SANS-CNN 在测试集上的准确度为 84.2%，特异性为 85.6%，敏感性为 82.8%，F1 分数为 84.1%。此外，SANS-CNN 的准确度分别比另外两种最先进的预训练架构 ResNet50-v2 和 MobileNet-v2 高出 21.4% 和 13.1%。我们还应用两种类激活图技术来可视化模型感知到的关键 SANS 特征。 SANS-CNN 代表一种使用真实宇航员 OCT 图像进行训练和验证的 CNN 模型，能够快速有效地预测在临床和计算资源极其有限的地球轨道以外的太空飞行任务中出现的类似 SANS 的情况。