海南商发二期首次液氮进液预冷作业顺利完成 航天视窗（1602）

今天是太空与您相伴的【第2954期】

国 内 航 天 动 态

海南商业航天发射场二期首次液氮进液预冷作业圆满完成

5月20日傍晚18点，海南商业航天发射场二期项目的氮气源库区内，现场作业人员正在紧锣密鼓地开展加注管路对接、设备状态核查等工作，为800立方米液氮球罐的预冷与液氮转注作业做足准备。全体作业人员严格按照既定施工方案执行操作，对预冷、转注等核心环节全程规范管控，精准实时监测压力、温度、液位等关键运行参数，保障整个作业流程平稳推进。

经过整整8小时的连续作业，5月21日凌晨2点，作业顺利完成：两台液氮运输车的全部液氮转注作业结束，海南商发二期项目首次液氮进液预冷作业取得圆满成功。本次作业的顺利完成，标志着二期项目氮气源库区正式从施工建设阶段转入全面调试阶段，也为后续启泵制气、开展对外供气工作打下了扎实的基础。

（来源：海南商发 公众号）

嫦娥六号填补月背化学成分研究空白 科研团队借助AI破解难题

近日，由中国科学院上海技术物理研究所牵头的研究团队，依托嫦娥六号任务从月球背面采集带回的珍贵样本，补上了月球化学研究拼图的关键一块，成功绘制出了目前精度最高的全球月球化学成分分布图。

这项研究成果，为后续月球探测工作，尤其是针对月球背面规模最大、形成最早的南极-艾特肯盆地的深入探索，提供了全新的高精度参考底图。

不同的化学成分就像独特的身份指纹，会在光谱观测中留下独有的特征痕迹。研究团队首先获取了月球轨道器拍摄的高分辨率多光谱影像，采集到了月表不同波长下的光谱特征数据。

不过，光谱“指纹”和精确的化学成分含量（比如铁、钛等主量元素氧化物的含量）之间存在非常复杂的非线性对应关系，没办法通过简单计算直接推导得出结果。

为了破解这一难题，研究团队引入了残差卷积神经网络这一人工智能深度学习模型，把包含嫦娥六号样本在内的所有已探明月球采样点数据输入模型，通过交叉验证反复优化模型参数，让模型在月球正面、背面样本的共同约束下，自主学习光谱特征和化学成分之间的映射规律。

经过专门训练优化后的AI模型，就像掌握了全新解题方法的“学霸”，在解析全月球遥感数据时，能够更精准地解码出月表风化层的化学成分组成，让遥感数据的解读精度实现了大幅提升。

依托新模型，研究团队绘制出了全球首幅经过月球背面样本校正的高分辨率月球主量元素氧化物含量分布图，铁、钛、铝、镁、钙、硅等关键元素氧化物的分布清晰可辨，多项新发现更新了人类对月球背面成分的已有认知。

阅读原文