Các Mô Hình Trí Tuệ Nhân Tạo Mở Nguồn Giải Quyết Vấn Đề Rác Thải Vũ Trụ

Theo một thông báo gần đây từ IBM, như được báo cáo bởi TechHQ, trí tuệ nhân tạo mã nguồn mở đang được sử dụng để giải quyết các vấn đề trong không gian vũ trụ, giải quyết các vấn đề liên quan đến rác thải vũ trụ và liên lạc vệ tinh.

IBM đã tạo ra công nghệ máy tính để thúc đẩy khám phá và liên lạc vũ trụ từ những năm 1940, nhưng bây giờ IBM sẽ sử dụng trí tuệ nhân tạo để xử lý các nhiệm vụ đó. IBM đang làm việc trên hai dự án liên quan đến vũ trụ khác nhau: KubeSat và SSA (Nhận thức Tình hình Vũ trụ). KubeSat được thiết kế để cho phép tạo và kiểm soát nhiệm vụ cho các vệ tinh đàn, trong khi SSA được thiết kế để theo dõi vị trí của rác thải vũ trụ trong Quỹ đạo Trái đất Thấp.

Hai dự án này đã được tiết lộ gần đây bởi Đội ngũ Công nghệ Vũ trụ của IBM. Người lãnh đạo của đội ngũ công nghệ vũ trụ là Naeem Altaf, và theo Altaf, dự án KubeSat là một khuôn khổ tự động cung cấp các công cụ cần thiết để tạo và quản lý nhiệm vụ cho các vệ tinh đàn và chòm sao. Ngoài ra, khuôn khổ KubeSat có thể mô phỏng liên lạc giữa các vệ tinh, giúp các kỹ sư tối ưu hóa các liên lạc này.

Khi ngày càng nhiều vệ tinh được phóng, liên lạc giữa các vệ tinh trở nên phức tạp hơn, cần phải được tự động hóa và tối ưu hóa. Khuôn khổ sử dụng các thuật toán học máy để tối ưu hóa liên lạc giữa các vệ tinh, đặt ra các hạn chế về liên lạc giữa các vệ tinh nhất định. KubeSat có thể được sử dụng để mô phỏng cách các vệ tinh lập phương tương tác với các trạm mặt đất ngay cả khi liên lạc tự động xảy ra giữa các đàn. Các liên lạc được xuất bản trên một bảng điều khiển web để người khác có thể xem. KubeSat chạy các mô phỏng của nó thông qua Orekit, một thư viện động được tạo trong Java.

Dự án KubeSat đã được mở nguồn với hy vọng rằng ngành công nghiệp vệ tinh đàn có thể được dân chủ hóa, cho phép các công ty khởi nghiệp và các nhà vận hành đàn sử dụng công nghệ mới nổi.

Dự án SSA là kết quả của sự hợp tác giữa Đội ngũ Công nghệ Vũ trụ của IBM và Tiến sĩ Moriba Jah của Đại học Texas. Mục tiêu là các mô hình trí tuệ nhân tạo có thể cải thiện dự đoán quỹ đạo cho các vật thể trong Quỹ đạo Trái đất Thấp. Quỹ đạo Trái đất Thấp đầy rẫy rác thải vũ trụ, phần lớn trong số đó là các hiện vật còn lại từ các vụ phóng tên lửa hoặc các vệ tinh đã bị hư hỏng. Những vật thể này quay quanh Trái đất với tốc độ hàng nghìn mét mỗi giây và quỹ đạo của chúng có thể bị thay đổi đột ngột bởi các biến động trong thời tiết và mật độ khí quyển. Quỹ đạo của những vật thể này cần phải được dự đoán, để tránh va chạm giữa rác thải vũ trụ và các thiết bị công nghệ vũ trụ quan trọng. Hy vọng rằng các mô hình trí tuệ nhân tạo có thể cải thiện dự đoán quỹ đạo.

Các mô hình SSA được đào tạo dựa trên dữ liệu được thu thập bởi Bộ Chỉ huy Chiến lược Hoa Kỳ. Bộ dữ liệu được cập nhật một lần mỗi ngày. Một mô hình vật lý được sử dụng để tạo ra dự đoán ban đầu về quỹ đạo của hầu hết các vật thể trong Quỹ đạo Trái đất Thấp, và một mô hình học máy được sử dụng để dự đoán sai sót trong các mô hình vật lý. SSA kết hợp hai mô hình lại với nhau để cập nhật mô hình quỹ đạo vật lý. Mô hình thứ hai là một mô hình tăng cường độ dốc dựa trên XGBoost.

Giống như KubeSat, các mô hình SSA đã được mở nguồn trong một nỗ lực nhằm khuyến khích việc chia sẻ dữ liệu và hợp tác giữa các công ty vũ trụ và công nghệ khác nhau. Sau tất cả, các vấn đề liên lạc vệ tinh và rác thải vũ trụ là một mối đe dọa đối với mọi người hoạt động trong không gian.

Cả KubeSat và OpenShift đã được làm sẵn có thông qua nền tảng Red Hat OpenShift của IBM.