ترجمه فارسی مقاله طراحی مولد مدارهای تناوبی در مسئله سه جسم محدود

چکیده

The Three-Body Problem has fascinated scientists for centuries and it has been crucial in the design of modern space missions. Recent developments in Generative Artificial Intelligence hold transformative promise for addressing this longstanding problem. This work investigates the use of Variational Autoencoder (VAE) and its internal representation to generate periodic orbits. We utilize a comprehensive dataset of periodic orbits in the Circular Restricted Three-Body Problem (CR3BP) to train deep-learning architectures that capture key orbital characteristics, and we set up physical evaluation metrics for the generated trajectories. Through this investigation, we seek to enhance the understanding of how Generative AI can improve space mission planning and astrodynamics research, leading to novel, data-driven approaches in the field.

چکیده به فارسی (ترجمه ماشینی)

این مشکل سه بدن قرن ها دانشمندان را مجذوب خود کرده است و در طراحی مأموریت های فضایی مدرن بسیار مهم بوده است.تحولات اخیر در هوش مصنوعی تولیدی وعده تحول آمیز را برای پرداختن به این مشکل دیرینه دارد.این کار به بررسی استفاده از Autoencoder متغیر (VAE) و بازنمایی داخلی آن برای تولید مدارهای دوره ای می پردازد.ما از یک مجموعه داده جامع از مدارهای دوره ای در مشکل سه بدن محدود (CR3BP) برای آموزش معماری های یادگیری عمیق که ویژگی های کلیدی مداری را ضبط می کنند ، استفاده می کنیم و معیارهای ارزیابی فیزیکی را برای مسیرهای تولید شده تنظیم می کنیم.از طریق این تحقیق ، ما به دنبال این هستیم که درک این موضوع را که چگونه AI مولد می تواند برنامه ریزی مأموریت فضایی و تحقیقات استرودینامیک را بهبود بخشد ، تقویت کنیم و منجر به رویکردهای جدید و داده محور در این زمینه شود.