طور باحثون مصريون نموذج ذكاء اصطناعي (AI) للكشف عن تلف الألواح الشمسية المستخدمة في الفضاء. حللت الدراسة صور مصفوفات الخلايا الشمسية المتأثرة بالأقواس، وهي ظاهرة تفريغ تحدث عند تفاعل الألواح الشمسية عالية الجهد مع بلازما الفضاء.

أشارت الدراسة إلى أن الأقواس تولد تيارات ذروة عالية، مما يسبب تلفاً خطيراً في موصلات الخلايا، ويؤثر سلباً على أداء وموثوقية أنظمة المركبات الفضائية. وجدت الدراسة أن الأقواس تحدث غالباً في الخلايا الوسطى والموصلات والحواف، حيث تكون الحقول الكهربائية أقوى.

أُجريت الدراسة بالتعاون بين المعهد القومي للبحوث الفلكية والجيوفيزيائية وجامعة بني سويف، حيث استخدم العلماء التعلم العميق لفهم سلوك الأقواس. اعتمد الباحثون على شبكات عصبية التفافية (CNN) والتعلم بالنقل لتصنيف وكشف الخلايا المعيبة من بيانات الصور.

حلل الفريق 2624 صورة أبيض وأسود لخلايا شمسية من 44 مكوناً مستقلاً، بعضها يعمل بشكل طبيعي وبعضها يظهر أعطالاً واضحة بما في ذلك الشقوق والتلوث السطحي الناتج عن الأقواس.

لتقييم الفعالية، جرب الباحثون نموذجين مختلفين للذكاء الاصطناعي. النموذج الأول شبكة مبنية من الصفر، حققت دقة 95.98% على الصور المعروفة، لكنها انخفضت إلى 83.24% على صور جديدة، مما يشير إلى ضعف الموثوقية خارج المختبر. أما الطريقة الثانية فاستخدمت التعلم بالنقل مع نموذج EfficientNetV2L المدرب مسبقاً، وحققت دقة تحقق 89.05% مع أداء ممتاز على الصور الجديدة.

كلا النموذجين قادر على اكتشاف التلف المرتبط بالأقواس، خاصة في الأجزاء الأكثر عرضة للتفريغ مثل الموصلات والحواف والخلايا الوسطى.

خلص الباحثون إلى أن التعلم العميق طريقة فعالة للتعرف على تلف الأقواس في الألواح الشمسية. أشاروا إلى أن الدراسة تقدم رؤى قيمة لمعالجة وتحليل الصور، وتقترح تطبيقات إضافية للذكاء الاصطناعي في الهندسة والصناعات الفضائية، مما يعزز فهم عملية الأقواس ويحسن القدرة التنبؤية لنماذج AI، ويدعم تصميم أنظمة مصفوفات شمسية فضائية أكثر قوة.

ستشمل الأبحاث المستقبلية استخدام تقنيات التعلم الآلي للمحاكاة للتنبؤ بسلوك حوادث الأقواس، مع تطبيقات في سيناريوهات تتعلق بـ "تيار الأقواس والجهد والوميض على مصفوفات الخلايا الشمسية".