Использование методов Монте-Карло при моделировании эмиссионных спектров для оценки состава космических объектовНИР

Application of Monte-Carlo approaches for estimating the composition of space objects by emission spectra modeling

Источник финансирования НИР

грант Президента РФ

Этапы НИР

# Сроки Название
1 23 апреля 2021 г.-12 января 2022 г. Использование методов Монте-Карло при моделировании эмиссионных спектров для оценки состава космических объектов
Результаты этапа: На первом этапе выполнения проекта был реализован алгоритм моделирования плазмы в приближении двузонного источника и его сопряжение с библиотекой NLOpt для проведения многопараметрической оптимизации и реализована совместна совместная работа алгоритма моделирования спектров и библиотеки NLOpt. В обновленной модели был введен учет неоднородности плазмы по параметрам (T, ne) в рамках 2D геометрии факела (рис. 1). Предполагается, что плазма может состоять из двух или нескольких зон, а каждая зона представляет собой полуэллипсоид вращения. В качестве параметров для каждой зоны передаются в модель длины полуосей полуэллипсоидов для расчета объема зоны Vi, а также [ωk], Ti, nei (i – номер зоны). Элементный состав каждой зоны плазмы считается одинаковым.
2 13 января 2022 г.-31 декабря 2022 г. Использование методов Монте-Карло при моделировании эмиссионных спектров для оценки состава космических объектов 2
Результаты этапа: При аппроксимации спектров, содержащих интенсивные самообращённые линии алюминия (например, 308,21529 нм и 309,27099 нм) было замечено, что возведение разностей предсказанной и экспериментальной спектральных интенсивностей в квадрат отдаёт повышенное предпочтение интенсивным линиям. При этом вся предсказательная способность модели оказывается потрачена на один из множества присутствующих в плазме и на спектре элементов. Были проведены эксперименты с альтернативными (не соответствующими модели максимального правдоподобия) функциями потерь, более устойчивыми к выбросам или вводящими поправку на интенсивность экспериментальной линии: суммой модулей разностей и суммой модулей разностей, поделённых на интенсивность экспериментального сигнала в данной точке. Можно заметить, что только относительная функция потерь делает заметной ошибки в описании линий малой интенсивности, а остальные две функции потерь выделяют только ошибку в описании наиболее интенсивных линий спектра. Деление абсолютной ошибки на интенсивность экспериментального сигнала (превышающего порог фонового сигнала) позволило улучшить правильность и стабильность предсказываемых параметров по всем элементам. Смена функции потерь на относительную позволила получить точные и стабильные значения концентраций элементов и параметров плазмы алюминиевого сплава (Таблица 1). Также значительная улучшилась сходимость алгоритма оптимизации и снизилось количество отличимых кластеров решений. Таблица 1. Результаты расчёта состава и параметров плазмы сплава AlCuLi №5. Параметр Значение Cu, масс.дол. Li, масс.дол. Mg, масс.дол. Mn, масс.дол. Sc, масс.дол. Ag, масс.дол. Использование многопараметрической оптимизации для оценки состава марсианских пород по спектрам, полученным на марсоходе Curiosity Для исследования был выбран спекр образца породы под названием "Суинтон", зарегистрированный на 3423 марсианский сол. Поскольку в спектре отсутствовали самообращенные линии, рри аппроксимации спектров использовали однозонную модель и сходимость была достигнута при T = 0,84 эВ, Ne= 2,5≈1016 см-1 , что соответствуют ожиданиям для лазерно-индуцированной плазмы в марсианских условиях. При этом значение функции потерь мало меняется вблизи оптимума, что может потенциально приводить к большим погрешностям при определении состава. Несмотря на это при добавлении в качестве варьируемых параметров элементов удается добиться хорошей схожести модельного и марсианского спектра. Состав, определенный методом стохастической оптимизации приведен ниже. Fe Mg Si Al Ti Ca Cr Na 37% 30% 13% 9% 3% 3% 2% 2% Также стоит отметить, что спектры сошлись при значении давления 453 Па, что близко к среднему марсианскому давлению 610 Па.

Прикрепленные к НИР результаты

Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".