开源 AI 模型解决太空垃圾问题

根据 IBM 的最新公告，如 TechHQ 报道，开源 AI 正在被用于解决太空问题，解决与太空垃圾和卫星通信相关的问题。IBM 自 1940 年代以来一直在创建计算机技术来驱动太空探索和通信，但现在 IBM 将使用人工智能来处理这些任务。IBM 正在处理两个与太空相关的项目：KubeSat 和 SSA（太空情况感知）。KubeSat 旨在实现卫星群和星座的创建和控制，而 SSA 旨在跟踪低地球轨道中太空垃圾的位置。两个项目最近由 IBM 的太空技术中心团队揭晓。太空技术团队的领导者是 Naeem Altaf，根据 Altaf 的说法，KubeSat 项目是一个自主框架，提供了创建和管理卫星群和星座任务所需的工具。除此之外，KubeSat 框架可以模拟卫星之间的通信，帮助工程师优化这些通信。随着越来越多的卫星发射，卫星之间的通信变得越来越复杂，需要自动化和优化。该框架使用机器学习算法来优化卫星之间的通信，限制某些卫星之间的通信。KubeSat 可以模拟立方卫星与地面站之间的交互，即使在自动通信发生时。这些通信被发布在网页仪表板上供他人查看。KubeSat 通过 Orekit 运行模拟，Orekit 是一个用 Java 创建的动态库。KubeSat 项目被开源，以期望卫星群行业可以被民主化，允许初创公司和群运营商使用新兴技术。SSA 项目是 IBM 太空技术中心团队和 德克萨斯大学的 Moriba Jah 博士 之间的合作。目标是 AI 模型可以改进低地球轨道中物体的轨道预测。低地球轨道充满了太空垃圾，其中许多是火箭发射或衰变卫星的遗物。这些物体以每秒数千米的速度围绕地球轨道运行，其轨迹可能会由于大气天气和密度的波动而突然改变。这些物体的轨道需要被预测，以免太空垃圾和重要的太空技术设备发生碰撞。人们希望 AI 模型可以改进轨道预测。SSA 模型是基于美国战略司令部收集的数据训练的。数据集每天更新一次。物理模型用于生成低地球轨道中大多数物体的初始预测，然后使用机器学习模型来预测物理模型中的错误。SSA 将两个模型结合在一起来更新物理轨道模型。第二个模型是基于 XGBoost 的梯度提升模型。与 KubeSat 类似，SSA 模型也被开源，以鼓励不同太空公司和技术公司之间的数据共享和合作。毕竟，卫星通信问题和太空垃圾对所有在太空中运行的公司都构成威胁。KubeSat 和 OpenShift 都可以通过 IBM 的 Red Hat OpenShift 平台获得。