အနုပညာ
အလှအပနှင့် ကျန်းမာရေး
လက်မှုအနုပညာ
ယဉ်ကျေးမှုနှင့် သမိုင်း
ဖျော်ဖြေရေး
ပတ်ဝန်းကျင်
အစားအစာနှင့် အချိုရည်
စိမ်းလန်းသောအနာဂတ်
ပြောင်းပြန်အင်ဂျင်နီယာပညာ
သိပ္ပံပညာများ
အားကစား
နည်းပညာ
ဝတ်ဆင်နိုင်သောပစ္စည်းများ
ဘာသာပြန်ဆိုထားသည်
အာတီမစ် II - JPL Horizons ပျံသန်းမှုဒေတာ
NASA ၏ အာတီမစ် II စာမျက်နှာလုပ်ငန်း၏ တွက်ချက်မှု ခွဲခြမ်းစိတ်ဖြာမှု — 1972 ခုနှစ်ကတစ်ခါ ကမ္ဘာ့အနိမ့်တည်ဆောက်ချက်ကျော်လွန်သည့် ပထမဆုံးအမှုထမ်းပျံသန်း။ Python၊ NumPy နှင့် Matplotlib ကိုသုံးပြီး ကျွန်ုပ်တို့သည် မြေယူမှ 月 flyby မှတစ်ဆင့် splashdown အထိ ကွန်ပ်ယူတာသုံးကွန်ပ်ယူတာဆိုင်ရာ အကျင်းအဆင် တွက်ချက်မှုများကို ပြန်လည်ကျင်းဝင်ပါသည် - Tsiolkovsky အရည်အခွင်မှုစီမံခန့်ခွဲမှု၊ vis-viva ကွန်ပ်ယူတာဆိုင်ရာ စွမ်းအဆောင်များ၊ ပြင်ဆင်ထားသည့်-conic လမ်းကြောင်း နှင့် hyperbolic လည်သည့်ကွန်ပ်ယူတာ။ ကျွန်ုပ်တို့၏ အလုပ်လုပ်ငန်း အားလုံးသည် ကွန်ပ်ယူတာ အတွင်း တွက်ချက်နေသည်။
အဆင့်မြင့်
60-90 မိနစ်
ညွှန်ကြားချက်များ
1
1
လုပ်ငန်း အကျင်းအဆင်
လုပ်ငန်း အကျင်းအဆင်
2026 ခုနှစ် ဧပြီ လ 1 ရက်တွင် 22:35 UTC တွင် NASA သည် အာတီမစ် II ကိုတိုင်းတခြင်း မည်သည့်နည်း အားဖြင့်လည်းကောင်း မည်ကြည်းကို အားဖြည့်သည်။ ယင်းတွင် 1972 ခုနှစ်တွင် အာပိုလို 17 ကတုန်းက အစတည်နေထုံးဖြင့်စတုံးနှင့်တစ်ခါ ကမ္ဘာ့အနိမ့်တည်ဆောက်ချက်ကျော်လွန်သည့် ပထမဆုံးအမှုထမ်းပျံသန်းရေးစာရင်း များရှိသည်။ အရည်အခွင်မှုစီမံခန့်ခွဲမှုယန်း Orion အမှုထမ်းပျံသန်းပုံမှုများတွင် သုံးဆယ်ကျွန်ုပ်တစ်ယောက် SLS Block 1 အရည်အခွင်မှုစီမံခန့်ခွဲမှုယန်းမှာအားသုံးအုပ်စုအဖြစ်ကြည်းနှင့် လည်သည့်ကွန်ပ်ယူတာအားလုံး ပြန်လည်တည်ဆောက်သည်။ အမှုထမ်းပုံ - Reid Wiseman (အုပ်ချုပ်ရုံး)၊ Victor Glover (သုံးဆိုင်မှုထမ်း)၊ Christina Koch (MS-1)၊ Jeremy Hansen — CSA (MS-2)။ ကျွန်ုပ်တို့သည် မည်အရာကို တွက်ချက်သည်မည်နည်း - Python၊ NumPy နှင့် Matplotlib သုံးစွဲခြင်း - မည်သည့်ကွန်ပ်ယူတာအတွင်းမျိုးအားလုံးအားလုံးအတွက် အခမဲ့အားခွင့်ပြုထားသည့် သုံးစွဲလုံးတွေများ - ကျွန်ုပ်တို့သည် Wolfram Research Mathematica အားဖြင့်သုံးခြင်းအားလုံးတည်ဆောက်ချက်ကျော်လွန်သည့်အမှုကွန်ပ်ယူတာဆိုင်ရာ အကျင်းအဆင်တွက်ချက်မှုများကို ပြန်လည်ကျင်းဝင်သည်။ အားလုံးအားလုံးယောက်သည် NASA အချက်အလက်ရွက်များမှ ရွေးချယ်သည်။
Materials for this step:
Model Rocket Kit (High-Power)1 (SLS Block 1 reference) ခု
Hydrogen144,000 kg (core stage) ကီလို
Oxygen840,000 kg (core stage) ကီလို
Solid Rocket Propellant1,000,000 kg (2 boosters) ကီလို
Orion Spacecraft1 (CM-003 Integrity) ခု
Astronaut Crew4 ခုTools needed:
Rocket Launch Pad2
2
စာကြည်းများတင်ပို့ခြင်း
စာကြည်းများတင်ပို့ခြင်း
Loading Jupyter Notebook...
3
3
ကမ္ဘာ့လည်သည့်ကွန်ပ်ယူတာ အကျင်းအဆင်များ
ကမ္ဘာ့လည်သည့်ကွန်ပ်ယူတာ အကျင်းအဆင်များ
Loading Jupyter Notebook...
4
4
SLS Block 1 အရည်အခွင်မှုစီမံခန့်ခွဲမှုယန်း ဒေတာ
SLS Block 1 အရည်အခွင်မှုစီမံခန့်ခွဲမှုယန်း ဒေတာ
Loading Jupyter Notebook...
5
5
စက်ဝိုင်းလုံးအုပ်စုတည်ဆောက်ချက်အုပ်စုမြန်ဆန်သည်
စက်ဝိုင်းလုံးအုပ်စုတည်ဆောက်ချက်အုပ်စုမြန်ဆန်သည်
Loading Jupyter Notebook...
6
6
ထွက်ပြေးမြန်ဆန်သည်
ထွက်ပြေးမြန်ဆန်သည်
Loading Jupyter Notebook...
7
7
Tsiolkovsky အရည်အခွင်မှုစီမံခန့်ခွဲမှုယန်း
Tsiolkovsky အရည်အခွင်မှုစီမံခန့်ခွဲမှုယန်း
Loading Jupyter Notebook...
8
8
Trans-Lunar တင်ပို့ခြင်း
Trans-Lunar တင်ပို့ခြင်း
Loading Jupyter Notebook...
9
9
အုပ်စုလည်သည့်ကွန်ပ်ယူတာတည်ဆောက်ချက်
အုပ်စုလည်သည့်ကွန်ပ်ယူတာတည်ဆောက်ချက်
Loading Jupyter Notebook...
10
10
လည်သည့်ကွန်ပ်ယူတာ hyperbolic
လည်သည့်ကွန်ပ်ယူတာ hyperbolic
Loading Jupyter Notebook...
11
11
အဓိကအချက်များတွင် အလုံးခွဲခြင်း
အဓိကအချက်များတွင် အလုံးခွဲခြင်း
Loading Jupyter Notebook...
12
12
လေထုအားထွက်ပြေးခြင်း
လေထုအားထွက်ပြေးခြင်း
Loading Jupyter Notebook...
13
13
လုပ်ငန်းအားတစ်ပြိုင်နက်ကြိုးဆွဲခြင်း
လုပ်ငန်းအားတစ်ပြိုင်နက်ကြိုးဆွဲခြင်း
Loading Jupyter Notebook...
14
14
တည်ဆောက်ချက်အုပ်စုမြင်ကွင်းဖြည့်စွက်
တည်ဆောက်ချက်အုပ်စုမြင်ကွင်းဖြည့်စွက်
Loading Jupyter Notebook...
15
15
စွမ်းအဆောင်မျုးပုံခွဲခြင်း
စွမ်းအဆောင်မျုးပုံခွဲခြင်း
Loading Jupyter Notebook...
16
16
Python vs Wolfram
Python vs Wolfram
What free Python can do vs Wolfram Mathematica
| Capability | Python (free) | Mathematica ($$$) |
|---|---|---|
| Orbital mechanics equations | NumPy/SciPy — full coverage | Built-in symbolic + numeric |
| JPL Horizons ephemeris data | REST API + gzip/json (as shown above) | HorizonsEphemerisData[] function |
| Unit-aware calculations | Pint library | Built-in Quantity framework |
| 2D/3D trajectory plots | Matplotlib (4-panel dashboard above) | Built-in Graphics3D + Manipulate |
| Real-time ephemeris data | Astropy + JPL Horizons API | Built-in AstronomicalData[] |
| Interactive animation | ipywidgets / Plotly | Manipulate[] — seamless |
| Symbolic algebra | SymPy | Native — Mathematica's core strength |
| Deployment | Runs anywhere (browser via Pyodide) | Requires Wolfram licence or Cloud |
Verdict: Using the same JPL Horizons data source as Wolfram, Python reproduces the Artemis II trajectory with identical data points — 428 state vectors covering the full 10-day mission. The analytical model (Hohmann transfer + patched conics) predicts TLI speed within 3% and flyby distance within 0.4% of reality.
Mathematica's edge is in symbolic manipulation and the seamless Manipulate[] 3D animation. But for numerical computation, data analysis, and reproducibility, Python is fully capable — and this entire blueprint runs in the browser via Pyodide. No server, no licence, no installation.
ပစ္စည်းများ
6- 1 (SLS Block 1 reference) ခုPlaceholder
- 1,000,000 kg (2 boosters) ခုPlaceholder
- 1 (CM-003 Integrity) ခုPlaceholder
- 4 ခုPlaceholder
လိုအပ်သော ကိရိယာများ
1- Placeholder
CC0 အများပိုင်
ဤအစီအစဉ်ကို CC0 အောက်တွင် ထုတ်ဝေထားသည်။ ခွင့်ပြုချက်မလိုဘဲ ကူးယူ၊ ပြင်ဆင်၊ ဖြန့်ဝေ နှင့် အသုံးပြုနိုင်သည်။
အစီအစဉ်မှတစ်ဆင့် ကုန်ပစ္စည်းများဝယ်ယူ၍ ဖန်တီးသူကို ပံ့ပိုးပါ ဖန်တီးသူ ကော်မရှင် ရောင်းချသူက သတ်မှတ်သည်၊ သို့မဟုတ် ဤအစီအစဉ်၏ ဗားရှင်းအသစ်ဖန်တီး၍ ဝင်ငွေခွဲဝေရန် သင့်အစီအစဉ်တွင် ချိတ်ဆက်မှုအဖြစ် ထည့်သွင်းပါ။