Немецкие физики совместно с астронавткой Самантой Кристофоретти провели исследование того, как остывает гранулированный газ в условиях, когда ему не мешает гравитация. Для этого на МКС отправили драже M&M’s, чьи блуждания в контейнере снимала камера. Исследование опубликовано в журнале npj Microgravity.
Многие эксперименты, проводимые учеными на космических станциях, обусловлены долгосрочными перспективами, связанными с возможностью колонизации космоса. Мы уже рассказывали, как ученые исследуют влияние долгосрочного пребывания в космосе на качество мышиной спермы, а также выращивают на станции салат.
Другой тип экспериментов использует физические условия, которые невозможно или сложно получить на Земле. В первую очередь это касается долгосрочной микрогравитации, вакуума и космического излучения. К таким исследованиям можно отнести проверку работоспособности атомных часов на спутнике или изучение плазмо-пылевого взаимодействия.
Недавно микрогравитация понадобилась физикам из Германии, чтобы исследовать остывание трехмерного гранулированного газа, а помогла им в этом астронавтка Европейского космического агентства Саманта Кристофоретти. Для этого на МКС отправили упаковку M&M’s, служивших модельными гранулами газа, а их хаотическое движение снимала камера. Данные, полученные в условии чистой и устойчивой невесомости, помогли проверить теоретические оценки, характеризующие диссипацию энергии в такой системе.
Молекулярно-кинетическая теория рассматривает газы состоящими из атомов или молекул, которые находятся в постоянном хаотическом движении и упруго взаимодействуют друг с другом. Эту теорию можно было бы применить к хаотичному движению макроскопических объектов, например, шариков, однако соударения больших тел неизбежно неупругие. Тем не менее, если применять формализм молекулярно-кинетической теории к сыпучим потокам, тогда можно сказать, что постепенная потеря кинетической энергии эквивалентна уменьшению их температуры. Расчеты также показывают, что в гранулированных газах (то есть во множестве свободно летающих гранул) может наблюдаться кластеризация частиц, чего не происходит с обычными газами.
На пути к опытной проверке теории стоит гравитация, поэтому авторы решили провести эксперимент в условиях долгосрочной невесомости. Для этого они использовали отправленное на МКС разноцветное драже M&M’s. Каждое драже представляло собой эллипсоид с короткой полуосью равной 3,5 миллиметра, длинными полуосями равными 6,75 миллиметра и массой равной 0,91 грамма. Кристофоретти помещала 96 конфет в сферический контейнер диаметром 150 миллиметров, взбалтывала его вручную до достижения видимой равномерности, после чего камера фиксировала динамику остывания газа, в роли гранул которого выступало драже.
Поскольку вручную отслеживать скорости конфет довольно сложно, физики обрабатывали видео двумя способами. Первый подход основывался на алгоритме Лукаса — Канаде для вычисления локального оптического потока. Алгоритм вычисляет скорость на основе того, как меняются относительно друг друга два, три или более кадров видео. Во втором подходе авторы реконструировали в каждом кадре положение конфет, аппроксимируя их изображения эллипсами. Ситуацию упрощала сортировка гранул по цветам. Таким образом исследователи могли делать вывод о скорости тех конфет, чье изображение оказалось перекрыто другими: для этого они интерполировали их траекторию по данным до и после перекрытия. Второй метод также лучше учитывал вращение драже, а также в некоторых случаях позволял оценить видимую потерю кинетической энергии при столкновении.
На основе обоих методов физики восстанавливали зависимость средней скорости и температуры от времени и сравнивали ее с теорией. Обе эти величины испытывали закономерное убывание. Метод на основе алгоритма Лукаса — Канаде в целом завышал получаемые значения, причем чем меньше был интервал кадров, тем сильнее было завышение. В частности, при анализе на основе двух соседних кадров на поздних временах метод демонстрировал рост, которого не было при больших интервалах, а также при обработке с помощью восстановления траекторий. Авторы объясняют это явление частичной кластеризацией газа, из-за которого часть конфет обладают настолько малыми скоростями, что алгоритм не распознает их перемещение для слишком маленьких интервалов.
Физики также измерили средний коэффициент потери кинетической энергии на основе 86 соударений, которые они отбирали вручную. Используя это значение и кинетическую теорию эллипсоидов, они рассчитали время остывания, составившее 3,8 секунды, что оказалось в два раза меньше экспериментального значения. Ученые объяснили заниженные оценки тем, что их эксперимент позволял измерить только двумерные скорости плоских проекций драже, а также давал мало информации об их вращении. Будущий эксперимент, по замыслу авторов, должен будет включать в себя как минимум три камеры, а теоретические оценки должны будут учесть столкновения со стенками камеры и сопротивление воздуха.
Сладости не в первый раз становятся объектом исследования физиков. Мы уже рассказывали, как в этой роли выступали вафельные батончики и печенье Oreo.
Марат Хамадеев
А также измерит расстояние до них
Американские ученые разработали технологию пассивного теплового зрения HADAR, которая по инфракрасному изображению получает информацию о температуре, материалах и текстуре поверхности объектов, их излучательной способности, а также умеет измерять расстояние. Технология позволяет в ночных условиях получать изображение, сопоставимое по качеству со стереоскопическими изображениями, получаемыми обычными RGB камерами при дневном освещении. Статья опубликована в журнале Nature. Для автономной навигации и взаимодействия с людьми роботам и беспилотникам нужна информация об окружении, которую они получают с помощью камер, лидаров, сонаров или радаров. Однако обычные камеры зависят от условий освещенности и плохо работают в ночное время и при плохой погоде. Кроме этого информация, получаемая с камер не содержит физического контекста, что может приводить к некорректной работе нейросетевых алгоритмов автопилота, который, к примеру, не может отличить настоящего человека от манекена. Активные сенсоры, такие как лидары и радары, при резком росте их числа начинают взаимно влиять друг на друга. Выходом могло бы стать использование в условиях недостаточной видимости камер, работающих в инфракрасном диапазоне. Однако из-за так называемого «эффекта призрачности» получаемые тепловизором изображения обычно выглядят как пятна без четкой текстуры. Это связано с тем, что поверх отражающихся от объекта инфракрасных лучей, которые несут информацию об особенностях его рельефа, накладывается его собственное тепловое излучение, которое засвечивает эту полезную информацию. Группа ученых под руководством Зубин Джакоб (Zubin Jacob) из Университета Пердью смогла справиться с этой проблемой. Они разработали технологию под названием HADAR (акроним от слов heat-assisted detection and ranging), которая с помощью машинного обучения извлекает из изображений, полученных в инфракрасном диапазоне, информацию о температуре объектов, излучательной способности материалов, из которых они состоят, а также их физической текстуре. Кроме того, технология позволяет определять расстояние до объектов на изображении. Выделение информации о собственном излучении объектов позволяет избавиться от «эффекта призрачности» и получить информацию о текстуре. Для этого авторы используют данные из библиотеки материалов, которая содержит информацию об их излучательной способности. Инфракрасное изображение фиксируется с помощью гиперспектральной камеры, после чего данные поступают на вход нейросетевой модели, которая производит декомпозицию исходных данных, выделяя из них информацию о температуре, собственном излучении и текстуре. Для обучения алгоритма исследователи использовали как настоящие изображения, полученные с помощью камеры, так и множество сгенерированных трехмерных сцен. Возможности технологии демонстрирует одна из сцен, на которой при слабом освещении запечатлен автомобиль черного цвета и человек, рядом с которым установлен вырезанный из картона портрет Альберта Эйнштейна в натуральную величину. Изображения, полученные с помощью обычной камеры, лидара и HADAR затем использовали для определения объектов с помощью алгоритма распознавания изображений. На изображении, полученном с помощью обычной камеры, алгоритм ошибочно распознал двух людей, приняв картонную фигуру за человека. На данных, полученных лидаром, оказалось невозможно определить автомобиль. При этом HADAR смог выделить все составляющие сцены, а также определить, что одна из человеческих фигур имеет сигнатуру краски на поверхности, а вторая покрыта тканью. Созданная технология может значительно улучшить системы автономной навигации беспилотных транспортных средств и роботов, дополнив уже существующие системы или даже заменив их. HADAR позволяет определять объекты и измерять расстояние по данным, полученным в ночное время, так же хорошо, как это делают традиционные системы компьютерного зрения, которые используют данные с камер в условиях дневного освещения. По словам авторов работы, в дальнейшем им предстоит решить проблему высокой стоимости оборудования для гиперспектральной съемки и невысокой производительности алгоритма. Сейчас процесс получения изображений и их обработки занимает минуты, но для работы в режиме реального времени это время необходимо сократить. Ранее мы рассказывали, как физики создали лидар, способный распознать метровые детали с рекордного расстояния в 45 километров в условиях высокого шума и слабого сигнала.