Modelli di intelligenza artificiale open source affrontano il problema dei rifiuti spaziali

Secondo un recente annuncio di IBM, come riportato da TechHQ, l’intelligenza artificiale open-source sta essere utilizzata per risolvere problemi nello spazio esterno, affrontando questioni relative ai rifiuti spaziali e alla comunicazione satellitare.

IBM ha creato tecnologie informatiche per guidare l’esplorazione spaziale e la comunicazione fin dagli anni ’40, ma ora IBM utilizzerà l’intelligenza artificiale per svolgere questi compiti. IBM sta lavorando a due progetti legati allo spazio: KubeSat e SSA (Space Situational Awareness). KubeSat è destinato a consentire la creazione e il controllo di attività per swarm di satelliti, mentre SSA è destinato a tracciare la posizione dei rifiuti spaziali in orbita terrestre bassa.

I due progetti sono stati recentemente presentati dal team Space Tech Hub di IBM. Il capo del team tecnico spaziale è Naeem Altaf, e secondo Altaf il progetto KubeSat è un framework autonomo che fornisce gli strumenti necessari per creare e gestire attività per swarm di satelliti e costellazioni. Oltre a ciò, il framework KubeSat può simulare le comunicazioni tra satelliti, aiutando gli ingegneri a ottimizzare queste comunicazioni.

Man mano che vengono lanciati sempre più satelliti, la comunicazione tra i satelliti diventa sempre più complessa, necessitando di essere automatizzata e ottimizzata. Il framework utilizza algoritmi di apprendimento automatico per ottimizzare le comunicazioni tra satelliti, ponendo restrizioni alle comunicazioni tra determinati satelliti. KubeSat potrebbe essere utilizzato per simulare come interagiscono i satelliti cubici con le stazioni di terra anche mentre si verificano comunicazioni automatiche tra swarm. Le comunicazioni vengono pubblicate su un cruscotto web per consentire ad altri di vederle. KubeSat esegue le sue simulazioni attraverso Orekit, che è una libreria dinamica creata in Java.

Il progetto KubeSat è stato reso open source nella speranza di poter democratizzare l’industria dei swarm di satelliti, consentendo alle startup e agli operatori di swarm di utilizzare la tecnologia emergente.

Il progetto SSA è il risultato di una collaborazione tra il team Space Tech Hub di IBM e Dr. Moriba Jah dell’Università del Texas. L’obiettivo è che i modelli di intelligenza artificiale possano migliorare le previsioni di orbita per gli oggetti in orbita terrestre bassa. L’orbita terrestre bassa è piena di rifiuti spaziali, molti dei quali sono artefatti residui di lanci di razzi o satelliti decaduti. Questi oggetti orbitano intorno alla Terra a migliaia di metri al secondo e le loro traiettorie possono essere alterate improvvisamente dalle fluttuazioni meteorologiche e di densità atmosferica. È necessario prevedere l’orbita di questi oggetti in modo che non si verifichino collisioni tra rifiuti spaziali e dispositivi tecnologici spaziali importanti. Si spera che i modelli di intelligenza artificiale possano migliorare le previsioni di orbita.

I modelli SSA sono stati addestrati in base ai dati raccolti dal Comando strategico degli Stati Uniti. Il set di dati viene aggiornato una volta al giorno. Un modello fisico viene utilizzato per generare previsioni iniziali sull’orbita della maggior parte degli oggetti in orbita terrestre bassa, e un modello di apprendimento automatico viene quindi utilizzato per prevedere errori nei modelli fisici. Il modello SSA combina i due modelli per aggiornare il modello di orbita fisica. Il secondo modello è un modello di boosting di gradiente basato su XGBoost.

Allo stesso modo di KubeSat, i modelli SSA sono stati resi open source nel tentativo di incoraggiare la condivisione di dati e la collaborazione tra diverse società spaziali e tecnologiche. Dopo tutto, i problemi di comunicazione satellitare e i rifiuti spaziali sono una minaccia per tutti coloro che operano nello spazio.

Entrambi KubeSat e OpenShift sono stati resi disponibili attraverso la piattaforma Red Hat OpenShift di IBM.