Espectroscopía de absorción tomográfica multispectral para un modelo de motor de cohete supersónico utilizando selección de líneas de absorción específicas de la región y corrección de aprendizaje profundo.

Puntos clave

• La espectroscopía multispectral mejora la precisión en la modelización de motores de cohete, mejorando las métricas de rendimiento.
• El hallazgo clave muestra una reducción significativa en las tasas de error, logrando correcciones de hasta el 90 % mediante algoritmos avanzados.
• Se utilizó un análisis que emplea técnicas de aprendizaje profundo con selección de líneas de absorción específicas de la región para medidas precisas.
• Este trabajo destaca el potencial de las aplicaciones de aprendizaje profundo en aerodinámica a alta velocidad y sistemas de propulsión.