Model AI Sumber Terbuka Menangani Masalah Sampah di Luar Angkasa

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

IBM telah menciptakan teknologi komputer untuk mengemudi eksplorasi luar angkasa dan komunikasi sejak tahun 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 satelit swarms, sedangkan SSA dimaksudkan untuk melacak posisi sampah di 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 satelit swarms dan konstelasi. Selain itu, kerangka kerja KubeSat dapat mensimulasikan komunikasi antara satelit, membantu insinyur untuk mengoptimalkan komunikasi tersebut.

Ketika semakin 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 cube satelit berinteraksi dengan stasiun darat bahkan ketika komunikasi otomatis terjadi antara swarms. Komunikasi tersebut dipublikasikan pada dashboard web untuk dilihat oleh orang lain. KubeSat menjalankan simulasi melalui Orekit, yang merupakan perpustakaan dinamis yang dibuat dalam Java.

Proyek KubeSat dibuat sumber terbuka dengan harapan bahwa industri satelit swarms dapat didemokratisasi, memungkinkan startup dan operator swarms 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 memperbaiki prediksi orbit untuk objek di Orbit Bumi Rendah. Orbit Bumi Rendah dipenuhi dengan sampah di luar angkasa, banyak di antaranya adalah artefak yang tersisa dari peluncuran roket, atau satelit yang telah rusak. Objek-objek tersebut mengorbit Bumi dengan kecepatan ribuan meter per detik dan jalur mereka dapat berubah secara tiba-tiba oleh fluktuasi cuaca dan kepadatan atmosfer. Orbit objek-objek tersebut perlu diprediksi, sehingga tabrakan antara sampah di luar angkasa dan perangkat teknologi luar angkasa yang penting tidak terjadi. Diharapkan bahwa model AI dapat memperbaiki prediksi orbit.

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

Begitu juga dengan 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 di luar angkasa adalah ancaman bagi semua yang beroperasi di luar angkasa.

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