Offene KI-Modelle bekämpfen das Problem des Weltraummülls

Laut einer jüngsten Ankündigung von IBM, wie von TechHQ berichtet, wird offene KI eingesetzt, um Probleme im Weltraum zu lösen, insbesondere bei der Bekämpfung von Weltraummüll und Satellitenkommunikation.

IBM hat seit den 1940er Jahren Computertechnologie entwickelt, um die Weltraumforschung und -kommunikation voranzutreiben, aber nun wird IBM künstliche Intelligenz einsetzen, um diese Aufgaben zu bewältigen. IBM arbeitet an zwei verschiedenen Weltraum-projekten: KubeSat und SSA (Space Situational Awareness). KubeSat soll die Erstellung und Steuerung von Aufgaben für Satelliten-Schwärme ermöglichen, während SSA die Position von Weltraummüll in der niedrigen Erdumlaufbahn verfolgen soll.

Die beiden Projekte wurden kürzlich von dem Space Tech Hub Team bei IBM vorgestellt. Der Leiter des Space Tech Teams ist Naeem Altaf, und laut Altaf ist das KubeSat-Projekt ein autonomes Framework, das die notwendigen Tools zur Erstellung und Verwaltung von Aufgaben für Satelliten-Schwärme und -Konstellationen bietet. Darüber hinaus kann das KubeSat-Framework die Kommunikation zwischen Satelliten simulieren, was den Ingenieuren hilft, diese Kommunikation zu optimieren.

Da immer mehr Satelliten gestartet werden, wird die Kommunikation zwischen den Satelliten zunehmend komplexer und muss automatisiert und optimiert werden. Das Framework verwendet maschinelles Lernen, um die Kommunikation zwischen Satelliten zu optimieren, und legt Einschränkungen für die Kommunikation zwischen bestimmten Satelliten fest. KubeSat kann verwendet werden, um zu simulieren, wie Cube-Satelliten mit Bodenstationen interagieren, während automatisierte Kommunikation zwischen Schwärmen stattfindet. Die Kommunikation wird auf einem Web-Dashboard veröffentlicht, damit andere sie einsehen können. KubeSat führt seine Simulationen durch Orekit aus, eine dynamische Bibliothek, die in Java erstellt wurde.

Das KubeSat-Projekt wurde als Open-Source-Projekt veröffentlicht, um die Satelliten-Schwarm-Industrie zu demokratisieren und es Start-ups und Schwarm-Operatoren zu ermöglichen, die aufkommende Technologie zu nutzen.

Das SSA-Projekt ist das Ergebnis einer Zusammenarbeit zwischen dem IBM Space Tech Hub Team und Dr. Moriba Jah von der University of Texas. Das Ziel ist, dass die KI-Modelle die Umlaufbahnen von Objekten in der niedrigen Erdumlaufbahn verbessern können. Die niedrige Erdumlaufbahn ist voller Weltraummüll, viel davon sind Artefakte, die von Raketenstarts oder verfallenen Satelliten übrig geblieben sind. Diese Objekte umkreisen die Erde mit Tausenden von Metern pro Sekunde und ihre Umlaufbahnen können plötzlich durch Fluktuationen in der Atmosphäre und Dichte geändert werden. Die Umlaufbahn dieser Objekte muss vorhergesagt werden, um Kollisionen zwischen Weltraummüll und wichtigen Weltraumtechnologie-Geräten zu vermeiden. Es wird gehofft, dass KI-Modelle die Umlaufbahnen vorhersagen können.

Die SSA-Modelle wurden auf der Grundlage von Daten trainiert, die vom United States Strategic Command gesammelt wurden. Das Dataset wird täglich aktualisiert. Ein physikalisches Modell wird verwendet, um erste Vorhersagen über die Umlaufbahn der meisten Objekte in der niedrigen Erdumlaufbahn zu generieren, und ein maschinelles Lernmodell wird dann verwendet, um Fehler in den physikalischen Modellen vorherzusagen. Die SSA kombiniert die beiden Modelle, um das physikalische Umlaufmodell zu aktualisieren. Das zweite Modell ist ein Gradient-Boosting-Modell, das auf XGBoost basiert.

Ähnlich wie KubeSat wurden die SSA-Modelle als Open-Source-Modelle veröffentlicht, um den Datenaustausch und die Zusammenarbeit zwischen verschiedenen Weltraumunternehmen und Technologieunternehmen zu fördern. Schließlich sind Satellitenkommunikationsprobleme und Weltraummüll eine Bedrohung für alle, die im Weltraum operieren.

Beide KubeSat und OpenShift wurden über die Red Hat OpenShift-Plattform von IBM verfügbar gemacht.