宇宙ごみ問題に対処するオープンソースAIモデル

IBMからの最近の発表によると、TechHQの報告によると、オープンソースAIは宇宙での問題を解決するために使用されている、宇宙ごみや衛星通信に関する問題に対処している。

IBMは1940年代から宇宙探査や通信のためにコンピュータ技術を開発してきたが、今回は人工知能を使用してこれらのタスクを処理する予定である。IBMは2つの宇宙関連プロジェクト、KubeSatとSSA（Space Situational Awareness）を開発している。KubeSatは衛星群のタスクを作成および制御することを目的としており、SSAは低地球軌道における宇宙ごみの位置を追跡することを目的としている。

これらの2つのプロジェクトは最近、IBMのSpace Tech Hubチームによって発表された。Space TechチームのリーダーはNaeem Altafであり、Altafによると、KubeSatプロジェクトは衛星群や星座のタスクを作成および管理するためのツールを提供する自律フレームワークである。また、KubeSatフレームワークは衛星間の通信をシミュレートすることができ、エンジニアがこれらの通信を最適化するのに役立つ。

衛星が増えるにつれて、衛星間の通信はますます複雑になり、自動化および最適化が必要になる。KubeSatフレームワークは衛星間の通信を最適化するためにマシンラーニングアルゴリズムを使用し、特定の衛星間の通信を制限する。KubeSatは、自動通信が行われている間にも、衛星群が地上局とどのように相互作用するかをシミュレートするために使用できる。通信はウェブダッシュボードに公開され、他の人が参照できる。KubeSatはOrekitと呼ばれるJavaで作成された動的ライブラリを使用してシミュレーションを実行する。

KubeSatプロジェクトは、衛星群業界を民主化し、スタートアップや群オペレーターが新しい技術を利用できるようにすることを目指してオープンソース化された。

SSAプロジェクトは、IBMのSpace Tech Hubチームとテキサス大学のMoriba Jah博士の共同プロジェクトである。目標は、低地球軌道における物体の軌道予測を改善することである。低地球軌道には、ロケット打ち上げの残骸や衰退した衛星など、多くの宇宙ごみが存在する。これらの物体は、毎秒数千メートルの速度で地球を周回しており、その軌道は大気の変動や密度の変化によって突然変化する可能性がある。したがって、宇宙ごみと重要な宇宙技術デバイスの衝突を防ぐために、これらの物体の軌道を予測する必要がある。AIモデルが軌道予測を改善できることが期待されている。

SSAモデルは、米国戦略軍が収集したデータに基づいてトレーニングされた。データセットは毎日更新される。物理モデルは、低地球軌道における大部分の物体の軌道予測の初期予測を生成するために使用され、次にマシンラーニングモデルは物理モデルの誤差を予測するために使用される。SSAは、これら2つのモデルを組み合わせて物理軌道モデルを更新する。2番目のモデルは、XGBoostに基づくグラディエントブースティングモデルである。

KubeSatと同様に、SSAモデルも、さまざまな宇宙企業やテクノロジー企業間でのデータ共有とコラボレーションを促進するためにオープンソース化された。宇宙通信問題や宇宙ごみは、宇宙で活動するすべての企業に対する脅威であるためである。

両方のKubeSatとOpenShiftは、IBMのRed Hat OpenShiftプラットフォームを通じて利用できるようになっている。