在人类迈向月球与火星的探索征程中，极端环境始终是航天器可靠性的最大桎梏。近日，美国国家航空航天局（NASA）宣布，其将先进AI基础模型应用于深空探测工程，成功实现对月球、火星着陆器热防护系统失效风险的精准预测，为提升深空探测任务安全性与可靠性开辟了全新路径，也为Artemis计划等载人深空任务奠定了关键技术基础。
月球与火星表面的极端热环境对航天器热防护系统构成严峻考验。月球赤道区域正午温度可达120℃以上，而极地地区夜间温度则骤降至-200℃以下，这种剧烈的温度波动会导致热防护材料出现疲劳、开裂等损伤；火星不仅存在超过100℃的昼夜温差，强辐射与持续沙尘天气还会加速热防护层的性能退化。此前，NASA的Artemis 2号任务就曾因热控管路受真空热循环影响发生破裂，被迫进行紧急维修，凸显了热防护系统失效风险对任务成败的决定性作用。传统风险评估依赖物理试验与统计分析，难以应对极端环境下复杂多变的失效模式，且无法实现实时动态预判。
此次NASA部署的AI基础模型，构建了“多源数据融合-动态模拟推演-失效风险预警”的全链条技术体系。该模型基于深度学习算法，整合了过往深空探测任务的热防护系统运行数据、地面模拟试验数据以及极端环境参数等多源异构信息，其中包括Psyche探测器搭载的可变热导材料在-150℃至120℃温差下的性能数据，以及数百次热防护系统故障案例的特征提取结果。通过迁移学习与集成模型技术，AI系统能够精准挖掘热防护材料性能退化与环境参数之间的非线性关联，识别如材料缺陷、结构疲劳等潜在共因失效特征。
与传统评估方式相比，AI基础模型展现出三大核心优势。其一，预测精度大幅提升，模型能够捕捉到热防护系统微米级的性能变化，提前识别早期失效隐患，将风险预判误差控制在极低范围，较传统方法效率提升50%以上；其二，具备实时动态适配能力，可根据着陆器在轨实时传回的环境数据与设备状态，动态更新预测模型参数，应对月球与火星表面复杂多变的极端环境，破解了地面远程控制存在的通信延迟难题；其三，显著降低研发成本，通过AI模拟替代部分高难度地面极端环境试验，减少了对专用试验设备的依赖，同时为热防护系统优化设计提供了数据支撑，助力研发更具适应性的新型热防护材料与结构。
