Kubadilisha dioksidi kaboni (CO₂), ambayo hufanya takribani %95 ya angahewa ya Mars, kuwa bidhaa zenye oksijeni na kaboni ndani ya mfumo wa matumizi ya rasilimali mahali zilipo (In Situ Resource Utilization, ISRU) ni mojawapo ya maeneo muhimu ya utafiti kwa misheni za baadaye za Mars zenye binadamu na za roboti. Plasma zisizo za joto za masafa ya redio (RF) huruhusu molekuli za CO₂ kuchochewa kwa mtetemo, kuionishwa na kutenganishwa kwa kutumia elektroni zenye nishati bila kuhitaji kuongeza gesi yote hadi halijoto za juu. Hata hivyo, katika modeli za plasma zenye usahihi wa juu ambazo zinajumuisha makumi ya spishi za kemikali na mamia ya athari, kutatua upya kila jiometri mpya ya reactor kunaweza kuchukua saa au hata makumi ya saa. Utafiti huu unatengeneza modeli surrogate inayotegemea Deep Operator Network (DeepONet) ili kutabiri mara moja tabia kamili ya anga-wakati ya plasma ya RF CO₂ chini ya hali za Mars wakati nafasi kati ya elektrodi inapobadilika. DeepONet hujifunza jumla ya nyuga 28 za kimwili kutoka kwenye nafasi ya elektrodi: msongamano wa spishi 26 za chembe, uga wa umeme na halijoto ya elektroni. Data za mafunzo zilitolewa kutoka kwenye modeli ya mtiririko iliyothibitishwa chini ya hali za 4.5 Torr, 210 K, 13.56 MHz na 10 W/cm². Wakati suluhisho la kawaida la mtiririko linahitaji saa/makumi ya saa kwa jiometri mpya, modeli iliyofunzwa inaweza kutabiri nyuga zilezile za kimwili kwa muda wa chini ya sekunde moja. Kwa msongamano wa elektroni, makosa katika eneo la mafunzo ni takribani \(10^{-5}\), na katika extrapolation za karibu ni katika kiwango cha \(10^{-4}\). Uchambuzi wa kimwili unaonyesha kuwa kadiri nafasi ya elektrodi inavyoongezeka, msongamano wa elektroni na uzalishaji wa CO/O/O₂ huongezeka; uga wa juu wa umeme na halijoto ya elektroni hupungua; na muundo wa sheath pamoja na idadi za CO₂ zilizochochewa kwa mtetemo hubadilika. Matokeo yanaonyesha kuwa DeepONet hutoa zana surrogate ya haraka ambayo inaweza kuchukua nafasi ya suluhisho za plasma zenye usahihi wa juu ndani ya ujirani fulani wa vigezo kwa uchanganuzi wa haraka wa jiometri na uboreshaji wa reactor za kubadilisha CO₂ zinazosaidiwa na plasma kwa ajili ya Mars; hata hivyo, extrapolation za mbali na hali zinazobadilisha shinikizo, nguvu, masafa au mtiririko kwa wakati mmoja bado hazijathibitishwa.

Mojawapo ya njia za kupunguza kiasi cha oksijeni na mafuta kinachohitaji kusafirishwa kutoka Dunia kwenda Mars ni kutumia angahewa iliyopo ya sayari hiyo kama malighafi. Kulingana na utafiti wa chanzo, takribani %95 ya angahewa ya Mars kwa ujazo ni CO₂. Kwa hiyo, kubadilisha CO₂ kuwa bidhaa kama O₂ na CO ni mojawapo ya chaguo kuu kwa mifumo ya ISRU kwa ajili ya usaidizi wa maisha, uzalishaji wa vioksidishaji na usanisi wa mafuta wa hatua zinazofuata.

Utafiti unakumbusha njia mbadala kama ubadilishaji wa kichocheo kupitia regolith, mmenyuko wa Sabatier, upunguzaji wa kielektrokemia wa CO₂ na elektrolisisi ya oksidi imara ya halijoto ya juu, huku ukisisitiza kuwa faida kuu ya plasma isiyo ya joto iko katika mgawanyo wa nishati. Katika plasma isiyo ya joto, elektroni zinaweza kupata nishati kubwa huku chembe zote nzito za gesi zisihitajike kupashwa joto kwa kiwango hicho hicho. Kwa njia hii, elektroni zenye nishati zinaweza kuamilisha vifungo vikali vya CO₂ kupitia ionization, uchochezi wa mtetemo na dissociation.

Kwa Nini Plasma ya RF CO₂ Inavutia kwenye Mars?

Plasma ya RF CO₂ inavutia kwa sababu inaweza kuamilisha molekuli za CO₂ kwa elektroni zenye nishati katika mazingira ya shinikizo la chini ya Mars yanayowakilishwa na takribani 4.5 Torr na 210 K, bila kupasha gesi yote joto kupita kiasi. Uwezo wa discharge ya RF, hasa katika hali ya α, kuunda eneo la plasma pana na lenye usawa kiasi huruhusu kemia ya dissociation ya CO₂ kuboreshwa kwa kubadilisha vigezo vya jiometri kama nafasi kati ya elektrodi.

Wigo wa kimwili wa modeli ya mtiririko

Data za kimwili za ground-truth za utafiti zilipatikana kutoka kwenye modeli ya mtiririko wa plasma ya mwelekeo mmoja na inayojitegemea kwa kujirudia. Modeli inajumuisha milinganyo ya mwendelezo wa spishi, mkabala wa drift-diffusion kwa chembe zenye chaji, mlinganyo wa Poisson kwa uga wa umeme na mlinganyo wa nishati ya elektroni kwa kubainisha halijoto ya elektroni.

Katika maelezo makuu ya mbinu, inaelezwa kuwa spishi hizi 26 zimeunganishwa kwa athari msingi 278. Hata hivyo, sehemu ya Conclusion ya makala hutumia mara moja usemi “21 species and 268 reactions”. Usemi huu haulingani na Table I wala maelezo ya kina ya mbinu. Hapa, muundo wa spishi 26/athari 278 unaoungwa mkono na mbinu na jedwali la wazi la spishi umetumika kama msingi, huku tofauti katika sehemu ya hitimisho ikihifadhiwa kama kutolingana ndani ya chanzo.

Milinganyo ya msingi ya mwendelezo na usafirishaji

Uwiano wa msongamano wa idadi ya elektroni, ioni na spishi neutral ni:

\[ \frac{\partial N_{e,i,n}(x,t)}{\partial t} + \frac{\partial \Gamma_{e,i,n}(x,t)}{\partial x} = S_{e,i,n}(x,t) \tag{1} \]

Hapa \(N\) inawakilisha msongamano wa idadi, \(\Gamma\) mtiririko wa chembe, na \(S\) neno halisi la chanzo linalotokana na athari za kemikali.

Mtiririko wa drift-diffusion wa elektroni na ioni chini ya athari ya uga wa umeme huhesabiwa kwa:

\[ \Gamma_{e,i}(x,t) = \mp\mu_{e,i}E(x,t)N_{e,i}(x,t) - D_{e,i}\frac{\partial N_{e,i}(x,t)}{\partial x} \tag{2} \]

wakati kwa spishi zisizo na chaji, kwa kuwa hakuna drift ya umeme:

\[ \Gamma_n(x,t) = -D_n\frac{\partial N_n(x,t)}{\partial x} \tag{3} \]

hutumiwa.

Uga wa umeme hubainishwa kupitia chaji ya anga kwa kutumia mlinganyo wa Poisson:

\[ \frac{\partial E(x,t)}{\partial x} = \frac{e}{\varepsilon_0} \left[ N_i(x,t)-N_e(x,t) \right]. \tag{4} \]

Uwiano wa nishati ya elektroni unajumuisha kwa pamoja usafirishaji wa elektroni, nishati wanayopata kutoka uga wa umeme, nishati inayohamishwa kwenye athari za kemikali na mabadiliko ya nishati katika migongano ya elektroni na chembe nzito:

\[ \frac{\partial [N_e(x,t)\bar{\varepsilon}]}{\partial t} + \frac{\partial}{\partial x} \left[ \frac{5}{3}\bar{\varepsilon}\Gamma_e - \frac{5}{3} \frac{\partial}{\partial x} (\bar{\varepsilon}N_e)D_e \right] + e\Gamma_e\cdot E = -\sum_j \Delta E_jR_j - 3\frac{m_e}{m_g}k_{el}k_B(T_e-T_g). \tag{5} \]

Masharti ya mpaka ya mtiririko yaliwekwa kwa chembe na nishati ya elektroni kwenye elektrodi, mgawo wa utoaji wa elektroni za sekondari uliwekwa kuwa 0.03, na kuzimwa kwa spishi zilizochochewa kwenye uso kulizingatiwa.

Udhibiti wa nguvu ya RF

Mkondo wa discharge umefafanuliwa kama:

\[ I(t)=I_0\sin(2\pi ft) \]

Katika utafiti huu, kigezo kikuu cha udhibiti si amplitude ya mkondo bali nguvu lengwa ya kuingia. Ili kudumisha nguvu inayotakiwa \(P_0\), amplitude ya mkondo ilisasishwa katika kila iteration kwa:

\[ I_0^{(n+1)} = I_0^{(n)} + \lambda \left( P_0+P^{(n)} \right) \tag{6} \]

na \(\lambda=0.0005\) ilitumika. Katika chanzo, nguvu huhesabiwa kwa:

\[ P = f\int_{t_0}^{t_0+T} I(t)V(t)\,dt \tag{7} \]

huhesabiwa.

Uthibitishaji wa majaribio wa modeli ya mtiririko

Figure 1 ya chanzo inalinganisha ubadilishaji wa CO₂ na ufanisi wa nishati katika viingizo tofauti vya nishati maalumu kati ya vipimo vya majaribio na modeli ya mtiririko. Ukaribu wa mikunjo iliyohesabiwa na data za majaribio hutoa msingi wa kimwili wa modeli ya mtiririko itakayotumika katika mafunzo ya DeepONet.

Katika Figure 2, chini ya 13.56 MHz na nguvu isiyobadilika ya 10 W/cm², nafasi ya elektrodi inapoongezwa kutoka takribani 0.13 cm hadi 0.32 cm, amplitude ya volti ya RF huongezeka kutoka takribani 280 V hadi 330 V, huku msongamano wa mkondo ukipungua kutoka takribani 81 hadi 67 mA/cm². Chanzo kinaeleza hili kwa ujazo mkubwa zaidi wa discharge na kuongezeka kwa impedance madhubuti ya plasma.

DeepONet Inajifunza Nini katika Tatizo Hili la Plasma?

Badala ya kukariri suluhisho za plasma zilizobainishwa mapema moja moja, DeepONet hapa hujifunza operator ya suluhisho kati ya nafasi ya elektrodi \(g\) na suluhisho la plasma \(U(x,t)\) katika koordinati yoyote ya anga-wakati. Mtandao wa branch husimba jiometri, huku mtandao wa trunk ukisimba koordinati endelevu za \(x,t\); uwakilishi huu miwili inapounganishwa, thamani za nyuga 28 za kimwili zinaweza kuhesabiwa moja kwa moja hata kwa nafasi za elektrodi ambazo hazikuonekana wakati wa mafunzo.

Operator inayolengwa kujifunzwa ni:

\[ G:g\longrightarrow U(x,t) \]

Mtandao wa branch wa DeepONet hupokea nafasi ya elektrodi \(g\) na kuzalisha:

\[ [b_1,b_2,\ldots,b_q]^T \]

vekta ya vipengele fiche. Mtandao wa trunk hupokea koordinati endelevu:

\[ y=(x,t) \]

na kujifunza:

\[ [t_1,t_2,\ldots,t_q]^T \]

kazi za msingi za anga-wakati. Utabiri wa uga mmoja wa kimwili huhesabiwa kama:

\[ G(g)(x,t) \approx \sum_{k=1}^{q} b_k(g)t_k(x,t)+b_0 \tag{8} \]

Huhesabiwa kwa njia hii.

Katika usanifu huu, mtandao wa branch hubadilisha coefficients za athari ya jiometri kwenye suluhisho, huku mtandao wa trunk ukiwakilisha profaili ya anga ya plasma na oscillation za wakati ndani ya mzunguko wa RF. Tofauti kuu ya utafiti huu ni kwamba ndani ya usanifu huohuo, vigezo 28 vya kimwili vilivyounganishwa hutabiriwa kama nyuga zenye thamani za vekta.

Seti ya data ya mafunzo

Katika utengenezaji mkuu wa data za mafunzo, nafasi ya elektrodi:

\[ g=0.15,\ 0.16,\ldots,0.30\ \mathrm{cm} \]

iliskeniwa kwa hatua za 0.01 cm. Masafa ya RF yalihifadhiwa katika 13.56 MHz, nguvu 10 W/cm², shinikizo la gesi 4.5 Torr na halijoto ya gesi 210 K.

Kazi ya hasara ni hitilafu ya wastani ya mraba kati ya nyuga za ground-truth za modeli ya mtiririko na utabiri wa DeepONet:

\[ L_{MSE} = \frac{1}{N_{samples}} \sum_{j=1}^{N_{samples}} \left| G_\theta^{(j)}(x,t) - \hat G_\theta^{(j)}(x,t) \right|^2. \tag{9} \]

Kwa Nini Kutotegemea Grid Ni Muhimu?

Kutotegemea grid, au discretization invariance, kunamaanisha kuwa DeepONet iliyofunzwa inaweza kutathmini suluhisho si tu kwenye grid ya nodi 400 iliyotumiwa wakati wa mafunzo, bali pia katika maazimio mengine ya anga-wakati yanayotakiwa. Kipengele hiki huruhusu gradients kali sana kama sheath ya elektrodi kuchunguzwa kwa grid nyembamba zaidi, na nyuga za plasma zenye azimio la juu kuzalishwa katika mizani mipya ya reactor bila kuunda upya grid na kutatua tena modeli nzima ya mtiririko.

Katika Figure 4 ya chanzo, kwa nafasi ya elektrodi ya 0.31 cm ambayo haikushiriki moja kwa moja katika mafunzo, msongamano wa elektroni ulijengwa upya katika maazimio ya anga-wakati ya 100×100, 300×300 na 600×600. Katika maazimio yote matatu, oscillation za RF sheath na muundo mkuu wa eneo la quasi-neutral bulk plasma huhifadhiwa.

Matokeo haya ni mojawapo ya ushahidi mkuu unaounga mkono kuwa DeepONet hailandanishi tu tensors za data zinazofanana na picha za ukubwa fulani, bali hujifunza kazi endelevu za koordinati katika mtandao wa trunk.

Mbinu na Matokeo ya Utafiti

Muundo wa plasma katika nafasi ya elektrodi ya 0.31 cm

Uwezo wa DeepONet kujenga upya kimwili jiometri ambayo haikuonekana hapo awali ulichanganuliwa kwanza katika nafasi ya 0.31 cm. Katika Figure 5, msongamano wa chaji chanya na hasi uliofanyiwa wastani wa muda huunda mgawanyo wa umbo la kengele katikati ya discharge na kufikia takribani:

\[ 1.6\times10^{12}\ \mathrm{cm^{-3}} \]

kama msongamano wa kilele. Karibu na elektrodi, msongamano wa chaji chanya ni mkubwa zaidi kwa wazi kuliko chaji hasi; hali hii huunda sheath ya chaji ya anga na uga mkubwa wa umeme.

Katika eneo la sheath la profaili ya wastani wa muda, uga wa umeme una kilele cha takribani 3.5 kV/cm, huku halijoto ya elektroni ikiwa na kilele cha takribani 7 eV karibu na mpaka wa sheath–bulk. Thamani hizi si kipimo kilekile na uga wa juu wa umeme na halijoto ya juu ya elektroni katika mzunguko wa RF zilizoripotiwa katika Figure 11; profaili ya wastani wa muda na maxima kamili ndani ya muda lazima zitenganishwe.

Bidhaa za dissociation ya CO₂

Kwa 0.31 cm katika Figure 6, CO na O atomiki ndizo bidhaa kuu za dissociation. Msongamano wa juu ni takribani:

Kukusanyika kwa CO na O katikati kunahusishwa na ufanisi wa dissociation inayosababishwa na migongano ya elektroni katika maeneo ya bulk plasma yenye msongamano mkubwa wa elektroni. Msongamano wa C na O₂ ni mdogo zaidi; njia za athari za sekondari zenye ugumu zaidi huchangia katika uundaji wao.

Hali za mtetemo za CO₂

Hali za CO₂ zilizochochewa kwa mtetemo ni muhimu kwa plasma ya halijoto ya chini ya Mars, kwa sababu nishati ya molekuli inaweza kuongezwa kupitia hatua nyingi ndogo za mtetemo hadi kufikia dissociation. Mchakato huu huitwa vibrational ladder climbing.

Katika Figure 7, kutoka hali za kunyoosha kwa ulinganifu, CO₂va hufikia takribani:

\[ 7.71\times10^{16}\ \mathrm{cm^{-3}} \]

na hali ya bending CO₂vb hufikia takribani:

\[ 3.01\times10^{15}\ \mathrm{cm^{-3}} \]

katika msongamano.

Katika mfululizo wa kunyoosha usio wa ulinganifu, inaonekana kuwa viwango vya juu vya mtetemo vinaweza kukusanyika kwa kiasi kikubwa. Kulingana na chanzo:

\[ N_{\mathrm{CO_2v8,max}} \approx2.92\times10^{16}\ \mathrm{cm^{-3}} \]

wakati:

\[ N_{\mathrm{CO_2v1,max}} \approx1.94\times10^{14}\ \mathrm{cm^{-3}}. \]

Waandishi wanaeleza tofauti ya takribani maagizo mawili ya ukubwa kwa uhamishaji wa nishati wa vibration-vibration (V–V) unaolisha viwango vya juu vya mtetemo.

Plasma ya RF Hubadilikaje Nafasi ya Elektrodi Inapoongezeka?

Nafasi ya elektrodi inapoongezeka, nguvu isiyobadilika ya 10 W/cm² husambazwa katika ujazo mkubwa zaidi wa discharge, hivyo uga wa juu wa umeme na halijoto ya elektroni hupungua, huku msongamano wa elektroni ukiongezeka kwa sababu uwezekano wa chembe kufikia elektrodi na kupotea unapungua. Eneo kubwa zaidi la bulk plasma na kupungua kwa hasara za ukutani husaidia mkusanyiko wa CO, O na O₂; kwa upande mwingine, sehemu ya sheath ikilinganishwa na nafasi yote hupungua.

Unene wa sheath na volti ya sheath

Nafasi ya elektrodi inapoongezwa kutoka takribani 0.15 hadi 0.31 cm, unene kamili wa sheath:

\[ 0.0286\ \mathrm{cm} \rightarrow 0.0300\ \mathrm{cm} \]

huongezeka kidogo tu. Hata hivyo, uwiano wa sheath kwa nafasi yote ya elektrodi hupungua kila wakati; yaani bulk plasma hupata sehemu kubwa kwa kasi kuliko geometri yenyewe.

Katika wigo huohuo, volti ya sheath hupungua takribani:

\[ 108\ \mathrm{V} \rightarrow 99\ \mathrm{V} \]

Chanzo kinahusisha matokeo haya na kuongezeka kwa msongamano wa plasma na screening yenye ufanisi zaidi ya uga wa umeme wa ndani.

Uga wa umeme, halijoto ya elektroni na msongamano wa elektroni

Kupungua kwa uga wa umeme na halijoto ya elektroni kunahusishwa na kupungua kwa nishati inayoingia kwa kila ujazo katika ujazo mkubwa zaidi wa discharge chini ya nguvu jumla isiyobadilika. Kuongezeka kwa msongamano wa elektroni kunahusishwa na maelezo ya waandishi kuhusu electron trapping: nafasi ya elektrodi inapopanuka, uwezekano wa wabebaji kufikia elektrodi na kupotea ndani ya nusu ya mzunguko wa RF hupungua.

Athari ya kiwango katika uzalishaji wa CO, O na O₂

Katika mapengo membamba ya discharge, radicals hai zinaweza kusambaa kwa haraka zaidi hadi kwenye elektrodi kabla ya kukusanyika katika bulk plasma. Nafasi ya elektrodi inapoongezeka, athari ya jamaa ya hasara za ukutani hupungua na bulk plasma inayopanuka huruhusu bidhaa za dissociation ya CO₂ kukusanyika.

Chanzo kinaeleza kuwa CO huzalishwa hasa kupitia dissociation ya migongano ya elektroni na michakato ya electron-attachment, O hasa kupitia dissociation ya migongano ya elektroni, huku O₂ ikizalishwa kwa kiasi kikubwa kupitia athari za sekondari zinazohusisha spishi zenye chaji.

Vibrational ladder-climbing na nafasi ya elektrodi

Si hali zote zilizochochewa hujibu kwa njia ileile kwa nafasi ya elektrodi. CO₂ve1 iliyochochewa kielektroniki huongezeka kwanza kisha hupungua, huku msongamano wa kilele wa CO₂v1a ya mtetemo wa chini ukipungua kadiri nafasi inavyoongezeka.

Kwa upande mwingine, CO₂v7 kutoka hali za juu za kunyoosha zisizo za ulinganifu huendelea kuongezeka. Waandishi wanaeleza hili kwa kuongezeka kwa msongamano wa elektroni wa bulk unaoimarisha utaratibu wa vibrational ladder-climbing. Hivyo, kupungua kwa nishati ya wastani ya elektroni hakumaanishi lazima idadi za molekuli zenye mtetemo wa juu zipungue; uhamishaji wa V–V na kuongezeka kwa kunaswa kwa chembe vinaweza kuunda usawa tofauti wa kinetiki.

Je, DeepONet Inaweza Kweli Kutabiri Nafasi za Elektrodi Ambazo Hazikuonekana?

Majaribio ya wigo wa karibu katika chanzo yanaunga mkono jibu la ndiyo: katika nafasi za elektrodi za 0.18 na 0.26 cm ndani ya eneo la mafunzo, hitilafu ya jamaa ya msongamano wa elektroni hubaki katika kiwango cha takribani \(10^{-5}\), huku katika thamani za 0.14 na 0.32 cm zilizo nje kidogo ya wigo wa mafunzo hitilafu ikiongezeka hadi takribani \(10^{-4}\), lakini oscillation kuu za sheath na muundo wa bulk plasma bado huhifadhiwa. Hata hivyo, matokeo haya hayamaanishi kuwa extrapolation za mbali ni za kuaminika.

Katika Figure 17, nyuga za DeepONet na nyuga za modeli ya mtiririko yenye usahihi wa juu zinafanana kwa karibu kwa mwonekano. Kuongezeka kwa hitilafu kunakoonekana zaidi kunatokea hasa karibu na gradients kali za sheath katika hali ya 0.32 cm.

Faida katika muda wa hesabu

Matokeo yanayovutia zaidi kwa mtazamo wa uhandisi ni tofauti ya kasi. Wakati modeli ya mtiririko yenye usahihi wa juu inahitaji saa au makumi ya saa kutatua discharge thabiti ya mienendo katika nafasi mpya ya elektrodi, DeepONet iliyofunzwa inaweza kutabiri nyuga 28 kwa kigezo hicho hicho kwa:

chini ya sekunde 1

inaweza kutabiri.

Ongezeko hili la kasi si la bure: kwanza data za mafunzo zenye usahihi wa juu zilipaswa kuzalishwa ili kujenga surrogate model, na DeepONet yenyewe ilifundishwa kwa takribani saa 7.6 kwenye RTX 4090D. Kwa hiyo, mbinu hii haifanyi suluhisho moja la plasma kuwa la haraka kwa muujiza, bali hulipa mara moja gharama kubwa ya offline ikiwa jiometri nyingi mpya zitachunguzwa, na kisha hufanya hoja za vigezo zinazofuata kuwa nafuu sana.

Matokeo yanayoungwa mkono na utafiti

• DeepONet inaweza kujifunza operator ya suluhisho la plasma ya RF CO₂ inayotegemea nafasi ya elektrodi na kutabiri haraka nyuga za anga-wakati za vigezo 28 vya kimwili.
• Kwa msongamano wakilishi wa elektroni, hitilafu ya interpolation ni takribani \(10^{-5}\), na hitilafu ya extrapolation ya karibu ni takribani \(10^{-4}\).
• Modeli inaonyesha discretization invariance kwa kuhifadhi miundo ya msingi ya plasma katika grid tofauti za anga-wakati.
• Kuongezeka kwa nafasi ya elektrodi hupunguza uga wa juu wa umeme na halijoto ya elektroni huku kukiongeza msongamano wa elektroni.
• Katika nafasi kubwa zaidi za elektrodi, msongamano wa CO, O na O₂ huongezeka.
• Nafasi ya elektrodi hubadilisha idadi za CO₂ zilizochochewa kwa mtetemo na michakato ya ladder-climbing.
• DeepONet iliyofunzwa hupunguza muda wa utabiri kwa jiometri mpya kutoka saa/makumi ya saa hadi chini ya sekunde moja.

Majumuisho yasiyoungwa mkono na utafiti

• Utafiti huu si jaribio la kimwili la reactor ya plasma ya RF kwenye uso wa Mars.
• Matokeo ya DeepONet hayajathibitishwa moja kwa moja kwa vipimo vya majaribio vya Mars; ground truth ya surrogate model ni modeli ya nambari ya mtiririko iliyothibitishwa.
• Mafanikio katika extrapolation ya karibu hayathibitishi kuwa usahihi huohuo utahifadhiwa katika jiometri za elektrodi zilizo mbali sana na wigo wa mafunzo.
• Kubadilisha kwa wakati mmoja shinikizo, nguvu, masafa, mtiririko wa gesi na jiometri ya reactor hakujathibitishwa kwa mtandao huu.
• Kuongezeka kwa msongamano wa CO na O₂ hakumaanishi moja kwa moja kwamba ufanisi jumla wa nishati wa reactor au ufanisi halisi wa uzalishaji wa ISRU huongezeka kwa uwiano huo huo.
• Utafiti hautathmini katika misheni halisi ya Mars vipengele kama uzito, bajeti ya nguvu, maisha ya elektrodi, vumbi, mizunguko ya joto au utendaji wa kutegemewa wa muda mrefu.
• DeepONet si mbadala wa jumla wa modeli ya fizikia ya plasma yenye usahihi wa juu; inapaswa kutathminiwa kama surrogate kwa nafasi ya vigezo iliyoifunza na ujirani wake wa karibu.

Tafiti zijazo

Waandishi wanapendekeza katika siku zijazo vipimo vya majaribio vijumuishwe moja kwa moja kwenye modeli na nafasi ya vigezo ipanuliwe ili kujumuisha shinikizo, nguvu ya kuingia, masafa ya RF, mtiririko wa gesi na jiometri ya reactor. Pia inalengwa kuongeza kutegemewa na kufasirika kwa modeli kwa kutumia constraints za physics-informed na mbinu za uncertainty quantification.

Maelezo ya Chanzo na Mbinu

Utafiti asilia:Rapid Prediction of Scale Effects in Martian CO2 Radio-Frequency Discharges using Deep Operator Networks.

Waandishi: Zheng Zhao, Xiaolong Wang, Yawei Feng, Wenkai Li na Yuantao Zhang.

Taasisi: School of Electrical Engineering, Shandong University, Jinan, Shandong Province, China.

Mwandishi wa mawasiliano: Yuantao Zhang.

DOI: 10.2139/ssrn.7199166.

Jukwaa/hali ya uchapishaji: Preprint ya kurasa 37 iliyochapishwa kwenye SSRN tarehe 28 Julai 2026 na ambayo haijapitia mapitio ya wenzao.

Aina ya utafiti: Utafiti wa scientific machine learning/surrogate model unaotegemea Deep Operator Network uliofundishwa kwa data zenye vipimo vingi zilizozalishwa kutoka kwenye modeli ya mtiririko wa plasma iliyothibitishwa.

Hali kuu za kimwili: 4.5 Torr CO₂, halijoto ya gesi 210 K, uendeshaji wa RF wa 13.56 MHz na nguvu isiyobadilika ya 10 W/cm².

Eneo kuu la mafunzo: Nafasi ya elektrodi 0.15–0.30 cm, hatua ya 0.01 cm. Katika tathmini za generalization ya karibu na extrapolation, thamani nje ya mafunzo kama 0.14, 0.31 na 0.32 cm pia zilichunguzwa. Abstract inaeleza wigo wa jumla wa jiometri kuwa takribani 0.13–0.32 cm.

Modeli ya mtiririko: Maelezo makuu ya mbinu na Table I yanaripoti mekanizimu iliyopunguzwa ya kemia ya CO₂ yenye spishi 26 za plasma na athari msingi 278.

Kutolingana ndani ya chanzo: Usemi “21 species and 268 reactions” katika sehemu ya Conclusion haulingani na ufafanuzi wa 26 species / 278 reactions katika sehemu ya mbinu na Table I. Verianla haijarekebisha tofauti hii kimya kimya.

DeepONet: Mitandao ya branch na trunk hutumia tabaka fiche nne na neuroni 75 kwa kila tabaka. Modeli ilifundishwa katika PyTorch kwa AdamW kwa kiwango cha kujifunza kisichobadilika cha 0.0001 kwa 50,000 epoch.

Maunzi na gharama: Mafunzo yalichukua takribani saa 7.6 kwenye NVIDIA RTX 4090D 24 GB GPU; inference ya mtandaoni ya modeli iliyofunzwa kwa jiometri mpya ni chini ya sekunde moja.

Ufadhili: National Natural Science Foundation of China (No. 12375201) na Shandong Province Key R&D Program, Soft Science Project (No. 2025RZB0218).

Upatikanaji wa data: Imeelezwa kuwa data zinazounga mkono matokeo ya utafiti zinaweza kutolewa na mwandishi wa mawasiliano kwa ombi linalofaa.

Hakimiliki: Rekodi ya SSRN inaeleza kuwa haki zote zimehifadhiwa na matumizi tena bila ruhusa hayaruhusiwi. Badala ya kuzalisha upya vielelezo vya chanzo kwa kiwango cha pikseli, reactor ya plasma, usanifu wa DeepONet, mienendo ya kiwango na mabadiliko ya spishi yanapaswa kuchorwa upya kwa namna asilia kwa ajili ya Verianla.