Відкриті моделі штучного інтелекту для вирішення проблеми космічного сміття

За повідомленням IBM, як повідомляє TechHQ, відкритий штучний інтелект використовується для вирішення проблем у космосі, вирішуючи питання, пов’язані з космічним сміттям та супутниковою зв’язку.

IBM створює комп’ютерну технологію для дослідження космосу та зв’язку з 1940-х років, але тепер IBM буде використовувати штучний інтелект для виконання цих завдань. IBM працює над двома космічними проектами: KubeSat і SSA (Простірова ситуаційна свідомість). KubeSat призначений для створення та контролю завдань для супутникових роїв, а SSA призначений для відстеження положення космічного сміття на низькій навколоземній орбіті.

Два проекти були недавно представлені командою Space Tech Hub у IBM. Лідер команди космічної технології – Наем Алтаф, і за словами Алтафа, проект KubeSat є автономною рамкою, яка надає інструменти для створення та управління завданнями для супутникових роїв та сузір’їв. Крім того, рамка KubeSat може симулювати зв’язок між супутниками, допомагаючи інженерам оптимізувати ці зв’язки.

Чим більше супутників запускається, тим складніше стає зв’язок між ними, і його потрібно автоматизувати та оптимізувати. Рамка використовує алгоритми машинного навчання для оптимізації зв’язку між супутниками, встановлюючи обмеження на зв’язок між певними супутниками. KubeSat можна використовувати для симуляції того, як кубічні супутники взаємодіють з наземними станціями, навіть якщо автоматизований зв’язок відбувається між роїв. Зв’язок публікується на веб-дاشборді для інших. KubeSat проводить свої симуляції через Orekit, який є динамічною бібліотекою, створеною на Java.

Проект KubeSat був відкритий у надії, що індустрія супутникових роїв може бути демократизована, дозволяючи стартапам та операторам роїв використовувати цю появляючу технологію.

Проект SSA є результатом співпраці між командою IBM Space Tech Hub та доктором Морібою Джахом з Університету Техасу. Метою є те, щоб моделі штучного інтелекту могли покращити передбачення орбіти для об’єктів на низькій навколоземній орбіті. Низька навколоземна орбіта повна космічного сміття, більша частина якого є артефактами, залишеними після запусків ракет, або розкладається супутниками. Ці об’єкти орбітують Землю зі швидкістю тисяч метрів за секунду, і їх траєкторії можуть раптово змінитися через коливання атмосферної погоди та щільності. Орбіта цих об’єктів потрібно передбачити, щоб уникнути зіткнень між космічним сміттям та важливими космічними пристроями. Сподіваються, що моделі штучного інтелекту можуть покращити передбачення орбіти.

Моделі SSA були навчені на основі даних, зібраних Об’єднаним стратегічним командуванням США. Набір даних оновлюється раз на день. Фізична модель використовується для генерації початкових передбачень про орбіту більшості об’єктів на низькій навколоземній орбіті, а потім модель машинного навчання використовується для передбачення помилок у фізичних моделях. Модель SSA поєднує дві моделі разом, щоб оновити фізичну модель орбіти. Друга модель – це модель градієнтного бустингу на основі XGBoost.

Так само, як і KubeSat, моделі SSA були відкриті у спробі заохотити обмін даними та співпрацю між різними космічними компаніями та технологічними компаніями. Ведь проблеми супутникової зв’язку та космічне сміття загрожують кожному, хто працює у космосі.

І KubeSat, і OpenShift були зроблені доступними через платформу IBM Red Hat OpenShift.