Model AI Sumber Terbuka Menangani Masalah Sampah Luar Angkasa

Menurut pengumuman terbaru dari IBM, sebagaimana dilaporkan oleh TechHQ, AI sumber terbuka sedang digunakan untuk menyelesaikan masalah di luar angkasa, menangani masalah yang terkait dengan sampah luar angkasa dan komunikasi satelit.

IBM telah menciptakan teknologi komputer untuk mengemudi eksplorasi luar angkasa dan komunikasi sejak 1940-an, tetapi sekarang IBM akan menggunakan kecerdasan buatan untuk menangani tugas-tugas tersebut. IBM bekerja pada dua proyek yang terkait dengan luar angkasa: KubeSat dan SSA (Space Situational Awareness). KubeSat dimaksudkan untuk memungkinkan penciptaan dan kontrol tugas untuk kawanan satelit, sedangkan SSA dimaksudkan untuk melacak posisi sampah luar angkasa di Orbit Bumi Rendah.

Kedua proyek tersebut baru-baru ini diungkapkan oleh Tim Space Tech Hub di IBM. Pemimpin tim teknologi luar angkasa adalah Naeem Altaf, dan menurut Altaf, proyek KubeSat adalah kerangka kerja otonom yang menyediakan alat-alat yang diperlukan untuk menciptakan dan mengelola tugas untuk kawanan satelit dan konstelasi. Di luar itu, kerangka kerja KubeSat dapat mensimulasikan komunikasi antara satelit, membantu insinyur mengoptimalkan komunikasi tersebut.

Ketika lebih banyak satelit diluncurkan, komunikasi antara satelit menjadi semakin kompleks, memerlukan otomatisasi dan optimasi. Kerangka kerja tersebut menggunakan algoritma pembelajaran mesin untuk mengoptimalkan komunikasi antara satelit, menempatkan batasan pada komunikasi antara satelit tertentu. KubeSat dapat digunakan untuk mensimulasikan bagaimana satelit kubik berinteraksi dengan stasiun darat bahkan ketika komunikasi otomatis terjadi antara kawanan. Komunikasi tersebut dipublikasikan pada dashboard web untuk dilihat oleh orang lain. KubeSat menjalankan simulasinya melalui Orekit, yang merupakan perpustakaan dinamis yang dibuat dalam Java.

Proyek KubeSat dibuat sumber terbuka dengan harapan bahwa industri kawanan satelit dapat didemokratisasi, memungkinkan perusahaan rintisan dan operator kawanan untuk menggunakan teknologi yang muncul.

Proyek SSA adalah hasil kolaborasi antara Tim Space Tech Hub IBM dan Dr. Moriba Jah dari Universitas Texas. Tujuannya adalah bahwa model AI dapat meningkatkan prediksi orbit untuk objek di Orbit Bumi Rendah. Orbit Bumi Rendah penuh dengan sampah luar angkasa, banyak di antaranya adalah artefak yang tersisa dari peluncuran roket, atau satelit yang telah membusuk. Objek-objek tersebut mengorbit Bumi dengan kecepatan ribuan meter per detik dan trayektori mereka dapat berubah secara tiba-tiba oleh fluktuasi cuaca dan kepadatan atmosfer. Orbit objek-objek tersebut perlu diprediksi, sehingga tabrakan antara sampah luar angkasa dan perangkat luar angkasa yang penting tidak terjadi. Diharapkan bahwa model AI dapat meningkatkan prediksi orbit.

Model SSA dilatih berdasarkan data yang dikumpulkan oleh Komando Strategis Amerika Serikat. Dataset diperbarui sekali sehari. Model fisik digunakan untuk menghasilkan prediksi awal tentang orbit sebagian besar objek di Orbit Bumi Rendah, dan model pembelajaran mesin kemudian digunakan untuk memprediksi kesalahan dalam model fisik. SSA menggabungkan kedua model tersebut untuk memperbarui model orbit fisik. Model kedua adalah model penguatan gradien berdasarkan XGBoost.

Sama seperti KubeSat, model SSA dibuat sumber terbuka dalam upaya untuk mendorong berbagi data dan kolaborasi antara perusahaan luar angkasa dan perusahaan teknologi yang berbeda. Setelah semua, masalah komunikasi satelit dan sampah luar angkasa merupakan ancaman bagi semua yang beroperasi di luar angkasa.

Kedua KubeSat dan OpenShift telah tersedia melalui platform Red Hat OpenShift IBM.