Otwarte modele AI rozwiązują problem śmieci w kosmosie

Zgodnie z niedawnym ogłoszeniem IBM, jak podaje TechHQ, modele AI open-source są wykorzystywane do rozwiązywania problemów w przestrzeni kosmicznej, w tym problemów związanych z komunikacją satelitarną i śmieciami kosmicznymi.

IBM od 1940 roku tworzy technologie komputerowe do wspierania eksploracji kosmosu i komunikacji, ale teraz IBM będzie wykorzystywać sztuczną inteligencję do tych zadań. IBM pracuje nad dwoma projektami związanymi z kosmosem: KubeSat i SSA (Space Situational Awareness). KubeSat ma umożliwić tworzenie i kontrolę zadań dla satelitów, natomiast SSA ma śledzić położenie śmieci kosmicznych na niskiej orbicie okołoziemskiej.

Oba projekty zostały niedawno przedstawione przez zespół Space Tech Hub Team w IBM. Liderem zespołu space tech jest Naeem Altaf, a według Altafa projekt KubeSat jest autonomiczną ramą, która zapewnia narzędzia niezbędne do tworzenia i zarządzania zadaniami dla satelitów i konstelacji. Poza tym, ramy KubeSat mogą symulować komunikację między satelitami, co pomaga inżynierom optymalizować te komunikacje.

Im więcej satelitów jest uruchamianych, komunikacja między nimi staje się coraz bardziej złożona i wymaga automatyzacji i optymalizacji. Ramy wykorzystują algorytmy uczenia maszynowego do optymalizacji komunikacji między satelitami, nakładając ograniczenia na komunikację między niektórymi satelitami. KubeSat może być wykorzystany do symulowania, jak satelity_cube interaktywnie współpracują z stacjami naziemnymi, nawet gdy automatyczna komunikacja zachodzi między nimi. Komunikacje są publikowane na pulpicie sieciowym dla innych. KubeSat prowadzi symulacje za pomocą Orekit, który jest dynamiczną biblioteką stworzoną w Javie.

Projekt KubeSat został udostępniony jako open-source w nadziei, że przemysł satelitarny może zostać udemokratyzowany, umożliwiając startupom i operatorom satelitów korzystanie z tej technologii.

Projekt SSA jest wynikiem współpracy między zespołem IBM Space Tech Hub a Dr. Moribą Jah z Uniwersytetu Teksańskiego. Celem jest to, aby modele AI mogły poprawić przewidywania orbity obiektów na niskiej orbicie okołoziemskiej. Niska orbita okołoziemska jest pełna śmieci kosmicznych, z których wiele to artefakty pozostałe po startach rakiet lub zdegradowanych satelitach. Te obiekty orbitują wokół Ziemi z prędkością tysięcy metrów na sekundę, a ich trajektorie mogą być nagle zmienione przez fluktuacje w atmosferycznym pogodzie i gęstości. Orbita tych obiektów musi być przewidywana, aby uniknąć kolizji między śmieciami kosmicznymi a ważnymi urządzeniami kosmicznymi. Liczy się, że modele AI mogą poprawić przewidywania orbity.

Modele SSA zostały opracowane na podstawie danych zebranych przez United States Strategic Command. Zestaw danych jest aktualizowany raz dziennie. Model fizyczny jest wykorzystywany do generowania początkowych przewidywań orbity większości obiektów na niskiej orbicie okołoziemskiej, a następnie model uczenia maszynowego jest wykorzystywany do przewidywania błędów w modelach fizycznych. Modele SSA łączą oba modele, aby zaktualizować model fizyczny orbity. Drugi model jest modelem gradientu wspomaganym przez XGBoost.

Podobnie jak KubeSat, modele SSA zostały udostępnione jako open-source w celu zachęcenia do udostępniania danych i współpracy między różnymi firmami kosmicznymi i technologicznymi. Przecież problemy z komunikacją satelitarną i śmieciami kosmicznymi są zagrożeniem dla wszystkich działających w kosmosie.

Oba KubeSat i OpenShift zostały udostępnione za pośrednictwem platformy IBM Red Hat OpenShift.